引导式测验 · 中等 等级

象征性音乐生成测验

回顾符号音乐模型如何表示音符事件、为什么记谱法是可编辑且紧凑的，以及将乐谱呈现为可听声音需要什么。

相关引导路径象征性音乐的产生
问题 1 的 8

象征性音乐的产生实际上产生了什么？

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。

  1. 象征性音乐的产生实际上产生了什么？
    • 结构化记谱法，如音符、音高和时间（通常是 MIDI）
    • 完成的立体声音频具有逼真的人声
    • 只有歌词，没有音乐
    • 专辑封面艺术作品
  2. What scale did OpenAI report for MuseNet’s generated compositions?
    • Single notes on one instrument only
    • Compositions up to four minutes with ten different instruments
    • One-second clips with no instruments
    • Full orchestral scores limited to 100 measures
  3. 以下哪一个是 OpenAI 中著名的符号音乐模型？
    • Stable Diffusion
    • 耳语
    • 缪斯网
    • DALL-E
  4. 现代符号模型通常如何通过计算处理音乐？
    • 作为波形图像
    • 作为没有结构的随机噪声
    • 作为每首歌曲的单个编号
    • 作为一种语言，其中音符事件是按顺序预测的标记
  5. Why can symbolic note-event sequences be shorter than raw-audio waveforms for a musical passage?
    • They represent musical events directly instead of every waveform sample
    • They remove all timing information
    • They store only a single note per song
    • They encode sound as images
  6. 真正听到象征性的作品需要什么？
    • 没什么——它会以成品音频的形式播放自己
    • 将音符渲染成声音的合成器或采样器
    • 一台印刷机
    • 单独的语言模型来编写歌词
  7. Which note-event properties can a symbolic sequence encode?
    • Only the waveform’s file size
    • Camera exposure and frame rate
    • Pitch, onset, duration, and velocity
    • The listener’s heart rate only
  8. Which attributes did MuseNet combine in its note tokens?
    • Only the note’s printed letter name
    • Lyrics, album art, and release date
    • Waveform samples and speaker identity
    • Pitch, volume, and instrument information