Вікторина, пов’язана з посібником · Середній Рівень
EnCodec Audio Compression Тест
Ознайомтеся з конвеєром нейронного стиснення EnCodec, латентними кодами, ентропійним моделюванням, підтримуваними аудіоформатами та балансуванням втрат навчання.
Питання 1 з 8
Яка організація випустила EnCodec?
Перегляньте кожне запитання8 запитання
Відповіді та пояснення з’являються під час виконання тесту.
- Яка організація випустила EnCodec?
- Meta ШІ
- OpenAI
- Microsoft Дослідження
- NVIDIA
- Який додатковий компонент додає EnCodec, щоб без втрат отримати більше стиснення своїх токенів?
- Інвертор спектрограм
- Ентропійна (мовна) модель на основі трансформатора
- Шумозахисний затвор
- Другий декодер
- При приблизно 6 кбіт/с якість EnCodec була порівнянна з MP3 і приблизно з яким бітрейтом?
- 320 кбіт/с
- 16 кбіт/с
- 64 кбіт/с
- 8 кбіт/с
- Яку проблему вирішує «балансер» EnCodec під час навчання?
- Він усуває тишу із записів
- Він перетворює моно аудіо на стерео
- Він вибирає частоту дискретизації
- Він автоматично масштабує умови конкуруючих програшів, щоб навчання залишалося стабільним
- Який основний метод квантування використовує EnCodec і SoundStream?
- Залишкове векторне квантування (RVQ)
- k-означає лише кластеризацію
- Кодування Хаффмана
- Аналіз головних компонент
- Які генеративні моделі використовують маркери EnCodec як аудіопредставлення?
- DALL-E та Midjourney
- MusicGen і AudioGen
- Whisper і Wav2Vec
- Стабільна дифузія та зображення
- Which audio formats are described for EnCodec in its paper?
- 8 kHz mono only
- 44.1 kHz stereo only
- 24 kHz monophonic audio and 48 kHz stereophonic audio
- 96 kHz multichannel audio only
- Which losses help EnCodec balance waveform reconstruction and perceptual sound quality?
- Only a text-token cross-entropy loss
- Only a speaker-classification loss
- A reward-model loss without reconstruction
- Time-domain and multi-scale spectrogram reconstruction losses with adversarial discriminators