Вікторина, пов’язана з посібником · Середній Рівень

Тест про приховану дифузію стабільного звуку

Вивчіть латентну дифузію звуку, зумовлену синхронізацією, за допомогою оригінальних налаштувань VAE і CLAP, стабільного аудіо 2.0, підрахунків стереозразків і заповнення тиші.

Пов'язані напрямні шляхиСтабільна латентна дифузія звуку
Питання 1 з 8

Яку основну техніку використовує Stable Audio для створення звуку?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. Яку основну техніку використовує Stable Audio для створення звуку?
    • Послідовність MIDI на основі правил
    • Лише авторегресивний прогноз токенів
    • Прихована дифузія в стисненому звуковому просторі
    • Прямий запис форми сигналу
  2. What timing information conditions the original Stable Audio research setup?
    • Start position and total-duration signals
    • Only a singer’s legal name
    • Only a video display resolution
    • Only the output filename’s alphabetical position
  3. Який компонент стискає необроблений звук у приховане представлення?
    • Перевірка правопису
    • Генератор випадкових чисел
    • Механізм перетворення мови в текст
    • Варіаційний автокодер (VAE)
  4. What capability did the official April 2024 Stable Audio 2.0 announcement report?
    • A guarantee of six-minute generation in the original 95 sec paper setup
    • Up to three-minute 44.1 kHz stereo generation and audio-to-audio transformation
    • Only silent mono waveform output
    • Only automatic subtitle translation
  5. How does a text-only generation run in the original latent-diffusion setup start?
    • From a noise latent that is denoised using the conditions
    • By necessarily recording a live microphone
    • By copying a complete training song without a model
    • By requiring a complete future waveform as input
  6. Which text encoder is identified in the original Fast Timing-Conditioned Latent Audio Diffusion architecture?
    • Only a handwritten MIDI rule table
    • A required raw image-pixel encoder
    • An unspecified choice guaranteed identical across all versions
    • A CLAP text encoder
  7. At 44.1 kHz stereo, how many individual channel amplitude values occur in one second before file encoding?
    • 44,100
    • 88,200
    • 22,050
    • 176,400
  8. In the original 95-second window example, a 30-second requested signal is followed by how much silence before trimming?
    • 30 seconds
    • 95 seconds
    • 65 seconds
    • 125 seconds