مسابقة التسميات التوضيحية الصوتية

تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.

1. كيف تختلف التسميات التوضيحية الصوتية عن التعرف التلقائي على الكلام؟
   • لا يعمل إلا بالصمت
   • إنه أبطأ ولكنه متطابق في الإخراج
   • فهو يصف المشهد الصوتي العام بدلاً من نسخ الكلمات المنطوقة
   • يقوم بتحويل النص إلى صوت
2. Which published datasets supply general-audio descriptions for captioning in this guide?
   • MNIST and CIFAR only
   • كلوثو وأوديوكابس
   • A mandatory bank-transaction table
   • Only a raw network-password list
3. What architecture does the cited original Clotho baseline use to produce caption words from audio features?
   • Only a fixed filename lookup
   • Only a volume meter with no text output
   • Only an unchanged grammar rule list
   • An encoder-decoder scheme with attention
4. لماذا تعتبر التسميات التوضيحية الصوتية ذات قيمة لإمكانية الوصول؟
   • ويصف الأصوات غير الكلامية للمستخدمين الصم وضعاف السمع
   • يعمل على زيادة حجم الصوت
   • يقوم بحذف ضوضاء الخلفية
   • يقوم بتشفير الصوت
5. Which reference-comparison metric does the Clotho paper use among its caption evaluations?
   • RGB color values
   • CIDEr
   • Audio sample rate alone
   • Only a decibel reading
6. ما هو التحدي الرئيسي المستمر في التسميات التوضيحية الصوتية؟
   • الملفات الصوتية صغيرة جدًا بحيث لا يمكن معالجتها
   • لا توجد مجموعات بيانات متاحة
   • يمكن أن تتكون التسميات التوضيحية من كلمة واحدة فقط
   • إنتاج أوصاف دقيقة وتجنب التفاصيل الهلوسة
7. How many reference captions per audio file does the original Clotho paper report?
   • خمسة
   • واحد
   • Fifteen
   • مائة
8. How many log-mel-band features form each input frame in the original Clotho baseline described in the paper?
   • 8
   • 20
   • 64
   • 256