گائیڈ سے منسلک کوئز · درمیانہ سطح

نیورل آڈیو کوڈیکس کوئز

جانچیں کہ نیورل آڈیو کوڈیکس کس طرح آواز کو انکوڈ اور دوبارہ تشکیل دیتے ہیں، بقایا کوانٹائزیشن کیسے کام کرتی ہے، اور ٹوکن کی شرح بٹریٹ اور معیار کو کیوں متاثر کرتی ہے۔

متعلقہ گائیڈ کے راستےنیورل آڈیو کوڈیکس
سوال 1 کی 8

نیورل آڈیو کوڈیک بنیادی طور پر کون سی دو چیزیں کرتا ہے؟

ہر سوال کا جائزہ لیں۔8 سوالات

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

  1. نیورل آڈیو کوڈیک بنیادی طور پر کون سی دو چیزیں کرتا ہے؟
    • آڈیو کو مجرد ٹوکن میں کمپریس کریں اور اسے دوبارہ تشکیل دیں۔
    • آڈیو کو ریکارڈ اور بڑھا دیں۔
    • تقریر کا ترجمہ اور نقل کریں۔
    • ریورب اور مساوات شامل کریں۔
  2. کون سی کوانٹائزیشن تکنیک ساؤنڈ اسٹریم اور این کوڈیک جیسے کوڈیکس کے لیے مرکزی ہے؟
    • JPEG کوانٹائزیشن
    • بقایا ویکٹر کوانٹائزیشن (RVQ)
    • لکیری پیشن گوئی کوڈنگ
    • فوئیر کوانٹائزیشن
  3. بقایا ویکٹر کوانٹائزیشن میں، ہر یکے بعد دیگرے کوڈ بک کو کیا انکوڈ کرتا ہے؟
    • ایک مکمل طور پر الگ آڈیو چینل
    • آڈیو کا متن کی نقل
    • پچھلی کوڈ بکس کے ذریعہ چھوڑی گئی بقایا غلطی
    • نمونہ کی شرح میٹا ڈیٹا
  4. تخلیقی آڈیو ماڈلز کے لیے نیورل آڈیو کوڈیکس کیوں اہم ہیں؟
    • وہ آڈیو کو انواع کے ساتھ خود بخود لیبل لگاتے ہیں۔
    • وہ متعدد پٹریوں کو ایک ساتھ ملاتے ہیں۔
    • وہ آڈیو کو شیٹ میوزک میں تبدیل کرتے ہیں۔
    • وہ مجرد ٹوکن فراہم کرتے ہیں جو VALL-E اور MusicGen جیسے ماڈل تیار کرتے ہیں۔
  5. نیورل کوڈیک میں مزید کوڈ بکس کا استعمال آؤٹ پٹ کو کیسے متاثر کرتا ہے؟
    • یہ بٹ ریٹ بڑھاتا ہے لیکن تعمیر نو کے معیار کو بہتر بناتا ہے۔
    • یہ بٹریٹ اور معیار کو ایک ساتھ کم کرتا ہے۔
    • اس سے تقریر کی زبان بدل جاتی ہے۔
    • اس کا معیار پر کوئی اثر نہیں پڑتا
  6. What subjective comparison did the SoundStream paper report at 3 kbps?
    • At 24 kHz, SoundStream at 3 kbps outperformed Opus at 12 kbps in the reported evaluation
    • It matched every codec at every bitrate
    • It was tested only against MP3 at 320 kbps
    • It produced higher quality than all commercial audio codecs
  7. What is the decoder’s role in a neural audio codec?
    • Choose which transcript is legally correct
    • Predict the speaker’s identity from text only
    • Reconstruct audio from the encoded discrete representation
    • Assign language labels to silence
  8. What inference capability did the SoundStream paper report for its low-latency codec?
    • Only offline batch processing on a server cluster
    • It required a GPU for every audio frame
    • It could encode images but not audio
    • Streamable real-time inference on a smartphone CPU