Bài kiểm tra có liên kết hướng dẫn · Dễ dàng Cấp độ

Bài kiểm tra tách nhạc Open-Unmix

Xem lại đường cơ sở phân tách gốc có thể tái tạo của Open-Unmix, các mô hình dành riêng cho mục tiêu, mặt nạ phổ và bối cảnh đào tạo MUSDB18.

Đường dẫn hướng dẫn liên quanMở phần tách nhạc Unmix
Câu hỏi 1 của 8

Open-Unmix làm gì?

Xem trước mọi câu hỏi8 câu hỏi

Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.

  1. Open-Unmix làm gì?
    • Tách một bài hát thành các phần như giọng hát, trống, bass và các phần khác
    • Tạo lời bài hát từ giai điệu
    • Nén âm thanh thành MP3
    • Tự động điều chỉnh guitar
  2. Mạng lưới thần kinh nào là cốt lõi của Open-Unmix?
    • Một GAN tích chập
    • LSTM hai chiều ba lớp với các lớp dày đặc
    • Rừng quyết định
    • Máy biến áp khuếch tán
  3. Open-Unmix hoạt động dựa trên cơ sở nào?
    • Chỉ dạng sóng thô
    • Sự kiện ghi chú MIDI
    • Phổ cường độ của hỗn hợp
    • Hình ảnh bản nhạc
  4. Tập dữ liệu nào được Open-Unmix đào tạo?
    • ImageNet
    • LibriSpeech
    • COCO
    • MUSDB18
  5. Mục tiêu thiết kế chính của Open-Unmix là gì?
    • Để trở thành đường cơ sở tham chiếu minh bạch, có thể tái tạo
    • Để giành được mọi bảng xếp hạng bằng mọi giá
    • Chỉ chạy trên phần cứng độc quyền
    • Để thay thế nhạc sĩ con người
  6. Open-Unmix tái tạo lại một thân tách biệt sau khi dự đoán mặt nạ như thế nào?
    • Nó tổng hợp âm thanh từ đầu bằng một bộ mã hóa
    • Nó nhân mặt nạ với cường độ hỗn hợp và tái sử dụng pha ban đầu thông qua STFT nghịch đảo
    • Nó phát lại tập tin gốc không thay đổi
    • Nó chuyển đổi mặt nạ thành văn bản
  7. In the original Open-Unmix reference design, how are target stems modeled?
    • One language model predicts all lyrics
    • A single fixed equalizer separates every instrument
    • A separate target-specific network is trained for each stem
    • A classifier only labels the whole song
  8. What is a stated reason Open-Unmix uses framework-specific implementations?
    • To prevent researchers from comparing results
    • To require proprietary hardware
    • To eliminate all pre- and post-processing
    • To keep implementations clear and reproducible across supported frameworks