آڈیو ایل ایم کوئز

جب آپ کوئز دیتے ہیں تو جوابات اور وضاحتیں ظاہر ہوتی ہیں۔

1. آڈیو پیدا کرنے کے لیے آڈیو ایل ایم کون سا بنیادی خیال استعمال کرتا ہے؟
   • یہ آڈیو کو ٹوکنز کی ترتیب کے طور پر پیش کرتا ہے اور اگلے کی پیشین گوئی کرتا ہے، جیسے کہ زبان کے ماڈل
   • یہ شیٹ میوزک سے آڈیو پیش کرتا ہے۔
   • یہ بغیر کسی سیکھنے کے بے ترتیب شور کا نمونہ کرتا ہے۔
   • یہ انسانی کارکردگی کو ریکارڈ اور ری پلے کرتا ہے۔
2. AudioLM میں 'Semantic' ٹوکنز کا کیا کردار ہے؟
   • وہ ٹھیک ٹمبر اور ریکارڈنگ شور پر قبضہ کرتے ہیں۔
   • وہ فونیٹکس اور میلوڈی جیسے طویل مدتی ڈھانچے پر قبضہ کرتے ہیں۔
   • وہ متن کی نقل محفوظ کرتے ہیں۔
   • وہ آؤٹ پٹ فائل فارمیٹ کو کنٹرول کرتے ہیں۔
3. کون سا نیورل کوڈیک آڈیو ایل ایم کے صوتی ٹوکن تیار کرتا ہے؟
   • MP3
   • ویو نیٹ
   • SoundStream
   • سرگوشی
4. آڈیو ایل ایم کو تربیتی ڈیٹا کے طور پر کیا ضرورت ہے؟
   • آڈیو کو تفصیلی نقلوں کے ساتھ جوڑا
   • صرف MIDI فائلیں۔
   • لہراتی شکلوں کی تصاویر
   • صرف خام آڈیو، بغیر کسی نقل کے
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. بعد میں کون سا سسٹم براہ راست AudioLM کے ٹوکن پر مبنی اپروچ پر بنایا گیا؟
   • Stable Diffusion
   • MusicLM
   • GPT-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