Bài kiểm tra có liên kết hướng dẫn · Trung bình Cấp độ

Câu đố về khuếch tán tiềm ẩn âm thanh ổn định

Nghiên cứu khả năng khuếch tán âm thanh tiềm ẩn được điều chỉnh theo thời gian, với thiết lập VAE và CLAP ban đầu, Âm thanh ổn định 2.0, số lượng mẫu âm thanh nổi và khoảng đệm im lặng.

Đường dẫn hướng dẫn liên quanKhuếch tán tiềm ẩn âm thanh ổn định
Câu hỏi 1 của 8

Stable Audio sử dụng kỹ thuật cốt lõi nào để tạo âm thanh?

Xem trước mọi câu hỏi8 câu hỏi

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

  1. Stable Audio sử dụng kỹ thuật cốt lõi nào để tạo âm thanh?
    • Trình tự MIDI dựa trên quy tắc
    • Chỉ dự đoán mã thông báo tự động hồi quy
    • Khuếch tán tiềm ẩn trong không gian âm thanh nén
    • Ghi dạng sóng trực tiếp
  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. Thành phần nào nén âm thanh thô thành bản trình bày tiềm ẩn?
    • Trình kiểm tra chính tả
    • Trình tạo số ngẫu nhiên
    • Công cụ chuyển giọng nói thành văn bản
    • Bộ mã hóa tự động biến thiên (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