引导式测验 · 中等 等级
SoundStream 神经编解码器测验
检查 SoundStream 的编码器、残差矢量量化器、可变比特率操作，以及量化器选择如何影响速率和质量。
问题 1 的 8
SoundStream 架构由哪三个组件组成？
预览每个问题8 问题
当您参加测验时，就会出现答案和解释。
- SoundStream 架构由哪三个组件组成？
- 编码器、残差矢量量化器和解码器
- 分词器、转换器和声码器
- 谱图、注意力层和分类器
- 压缩器、均衡器和放大器
- 什么技术可以让单个 SoundStream 模型在无需重新训练的情况下提供多种不同的比特率？
- 光谱减法
- 量化器压差（可扩展 RVQ）
- 波束搜索解码
- 动态范围压缩
- 在 Google 的聆听测试中，据报告，3 kbps 的 SoundStream 性能优于 12 kbps 的哪种编解码器？
- MP3
- FLAC
- 作品
- 亚克力
- SoundStream 使用什么样的附加训练信号来使输出声音自然？
- 强化学习奖励模型
- 隐马尔可夫模型
- 基于规则的音频过滤器
- GAN 式的对抗判别器
- SoundStream 的比特率与其量化器有何关系？
- 更多活跃的量化器层会增加比特率
- 无论量化器如何，比特率都是固定的
- 较少的量化器总是会提高比特率
- 量化器仅影响延迟，不影响比特率
- 为什么 SoundStream 对于生成音频模型很重要？
- 它消除了任何录音中的所有背景噪音
- 其离散代币用作 AudioLM 和 MusicLM 等模型的输入
- 它仅适用于文本，不适用于音频
- 它取代了对任何神经网络的需求
- 在指南的简化关系中，哪些因素决定了 SoundStream 的比特率？
- 仅音频时长和说话人身份
- 损失函数的数量和数据集标签
- 帧率、有效量化器数量和每个码本的比特数
- 解码器的色深和图像分辨率
- 为什么量化器丢弃（quantizer dropout）有助于 SoundStream 在较低速率下实现平稳降级？
- 它从架构中移除了编码器
- 它使每个码本传输更多的比特
- 它用语言模型损失取代了重构损失
- 它训练早期的码本，以便在省略后续码本时保留最重要的信息