اختبار مرتبط بالدليل · متوسط المستوى
التضمين الصوتي والتمثيل مسابقة التعلم
مراجعة كيف تشفر تضمينات الصوت الصوت، كيف يربط التدريب التبايني الصوت والنص، وكيف تنتقل المتجهات المتعلمة عبر المهام.
سؤال 1 من 8
ما هو التضمين الصوتي؟
معاينة كل سؤال8 أسئلة
تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.
- ما هو التضمين الصوتي؟
- متجه ذو طول ثابت للأرقام التي تمثل ميزات الصوت ذات المعنى
- نسخة مضغوطة MP3 من الملف الصوتي
- نسخة مكتوبة من الكلمات المنطوقة
- مستوى الصوت المقاس بالديسيبل
- لماذا يعد التعلم الخاضع للإشراف الذاتي مهمًا جدًا للتضمين الصوتي؟
- يتطلب تسجيل الصوت في الاستوديو
- ويتعلم تمثيلات مفيدة من الصوت غير المسمى، مما يقلل الحاجة إلى التسميات البشرية
- إنه يعمل فقط على الموسيقى، وليس الكلام
- يضمن دقة النسخ المثالية
- كيف يتعلم Wav2Vec 2.0 أثناء التدريب المسبق؟
- عن طريق ترجمة الصوت إلى الفرنسية
- من خلال حفظ كل ملف تدريبي بالضبط
- عن طريق إخفاء مساحات الصوت والتنبؤ بالوحدة الكمية الصحيحة بين المشتتات
- عن طريق قياس حجم ملف كل مقطع
- ما الذي يتماشى مع نموذج مثل CLAP في مساحة التضمين المشتركة؟
- إطارين فيديو مختلفين
- البكسل والرسوم البيانية الملونة
- مستوى البطارية واستخدام وحدة المعالجة المركزية
- الصوت والأوصاف النصية المطابقة
- قبل تغذية الصوت إلى شبكة عصبية، ما هو التحويل الشائع الذي يتم تطبيقه غالبًا؟
- تحويله إلى مخطط طيفي أو تمثيل مرشح متعلم
- طباعتها على شكل نوتة موسيقية
- - حذف كافة الترددات التي تزيد عن سمع الإنسان نهائيا
- تحويلها إلى صورة JPEG لغلاف الألبوم
- ما هي المهمة الواقعية التي تعتمد بشكل مباشر على مقارنة التضمينات الصوتية؟
- حساب سعر شراء الأغنية
- مذكرات المتحدث، ومعرفة من تحدث ومتى
- اختيار غلاف الألبوم الفني
- ضبط سطوع الشاشة
- During contrastive audio-text training, what happens to a matching audio clip and its text description?
- They are converted into the same raw waveform
- The text embedding is discarded
- Their embeddings are pulled closer while mismatched pairs are pushed apart
- The audio is assigned a speaker name as a class label
- Why can one self-supervised audio embedding be reused across several downstream tasks?
- It stores the original waveform without compression
- It contains a manually written label for every possible sound
- It works only for one speaker and one recording
- It captures general acoustic structure that can support tasks with little extra labeled data