Тест, свързан с ръководство · трудно Ниво

Тест за функциите на Filterbank и PLP

Тествайте как филтърните банки log-mel и PLP преобразуват кратки речеви кадри в перцептуално оформени характеристики за съвременни модели на реч.

Свързани ръководни пътекиFilterbank и Plp функции
Въпрос 1 на 8

Why do speech filterbanks use mel- or Bark-spaced bands instead of uniformly spaced hertz?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. Why do speech filterbanks use mel- or Bark-spaced bands instead of uniformly spaced hertz?
    • The scales allocate finer frequency spacing at low frequencies and coarser spacing at high frequencies, approximating aspects of hearing
    • They make files smaller only
    • They remove all background noise
    • They guarantee perfect speech recognition
  2. Какво постига стъпката на линейното предсказване в PLP?
    • Увеличава обема
    • Той пасва на гладка спектрална обвивка, улавяйки формата на вокалния тракт
    • Добавя реверберация
    • Преобразува звука в текст директно
  3. Кой тип характеристики е доминиращият вход за съвременните модели за дълбоко разпознаване на реч?
    • Сурови MIDI файлове
    • Ръкописни преписи
    • Log-mel filterbank функции
    • JPEG спектрограми
  4. Как се различават MFCC от характеристиките на необработените log-mel филтърбанки?
    • MFCC изобщо не използват филтри
    • MFCC се измерват само в децибели
    • MFCC изискват микрофонна решетка
    • MFCC добавят косинусово преобразуване за декориране на изходите на филтърната банка
  5. Какъв елемент на възприемане включва PLP, който не включват основните мел филтърбанки?
    • Крива на еднаква сила на звука и компресия на интензитета на кубичен корен
    • Вграден езиков модел
    • Автоматичен превод
    • Стерео панорамиране
  6. Why might a deep model use log-mel features or raw waveforms instead of PLP?
    • Използването на PLP е незаконно
    • The model can learn useful task-specific representations without every hand-designed PLP step
    • Суровият звук винаги е по-малък
    • PLP работи само за музика
  7. What is a typical log-mel filterbank feature for one speech frame?
    • A word-level translation
    • A single pitch label for the whole recording
    • The logarithm of spectral energy pooled through a mel-spaced filter
    • A pixel color from a spectrogram image
  8. Which order best describes the main PLP processing steps?
    • Translation, tokenization, and decoding
    • Stereo panning, reverb, and compression
    • Image segmentation followed by color correction
    • Critical-band analysis, equal-loudness weighting, loudness compression, then linear prediction