Вікторина AudioLM

Відповіді та пояснення з’являються під час виконання тесту.

1. Яку основну ідею використовує AudioLM для створення аудіо?
   • Він розглядає звук як послідовність токенів і передбачає наступний, як мовна модель
   • Він відтворює аудіо з нот
   • Він відбирає випадковий шум без навчання
   • Він записує та відтворює виступи людей
2. Яка роль «семантичних» токенів у AudioLM?
   • Вони вловлюють тонкий тембр і записують шум
   • Вони вловлюють довгострокову структуру, як фонетику та мелодію
   • Вони зберігають розшифровку тексту
   • Вони контролюють формат вихідного файлу
3. Який нейронний кодек створює акустичні токени AudioLM?
   • MP3
   • WaveNet
   • SoundStream
   • Шепіт
4. Що потрібно AudioLM як навчальні дані?
   • Аудіо в поєднанні з докладними стенограмами
   • Тільки файли MIDI
   • Зображення хвиль
   • Тільки необроблений аудіо без транскриптів
5. After AudioLM predicts semantic tokens, how does its hierarchical generation add acoustic detail?
   • It predicts coarse acoustic tokens, then fine acoustic tokens
   • It predicts fine acoustic tokens, then coarse acoustic tokens
   • It predicts coarse acoustic tokens before semantic tokens
   • It predicts acoustic tokens without a semantic-token stage
6. Яка пізніша система побудована безпосередньо на основі підходу AudioLM на основі токенів?
   • Stable Diffusion
   • MusicLM
   • ГПТ-2
   • DALL-E
7. Which model does AudioLM use to produce its semantic token sequence?
   • A text-only GPT decoder trained on transcripts
   • The SoundStream waveform decoder
   • A self-supervised w2v-BERT representation model
   • A hand-authored MIDI score
8. What audio types did the AudioLM paper demonstrate continuing from an audio prompt?
   • Only environmental noise and no music
   • Spoken text transcripts and MIDI files only
   • Images and silent video clips
   • Speech and piano music