Разделяне на речта и тест за проблеми с коктейлното парти

Отговорите и обясненията се появяват, докато отговаряте на теста.

1. Какъв е „проблемът с коктейлното парти“?
   • Фокусиране върху един глас или източник на звук сред много конкуриращи се такива
   • Избор на правилната напитка на събитие
   • Измерване на силата на звука в стая
   • Компресиране на парти музика за стрийминг
2. Какъв е резултатът от система за разделяне на говор при смесен запис на няколко високоговорителя?
   • Една единствена по-силна версия на сместа
   • Отделен, изолиран аудио запис за всеки високоговорител
   • Само текстово резюме
   • Компресиран MP3 на цялата стая
3. Какво прави Conv-TasNet по-различно от много по-ранни методи за разделяне?
   • Необходими са поне осем микрофона
   • Работи само с предварително записана музика
   • Той работи директно във времевия домейн върху проби от необработени вълнови форми вместо спектрограми
   • Превежда речта, преди да я раздели
4. Как много мрежи за разделяне изолират индивидуален глас от сместа?
   • Чрез увеличаване на честотата на извадката
   • Чрез изтриване на всички честоти над 1 kHz
   • Чрез преобразуване на аудио в нива на сивото
   • Чрез оценяване на маска, която избира частта от сигнала на всеки високоговорител
5. Какво е „извличане на целеви говорител“?
   • Извличане на конкретен човек с помощта на кратка референтна извадка от неговия глас
   • Премахване на всички човешки гласове от запис
   • Преброяване на присъстващите говорители
   • Усилване на фоновата музика
6. Защо добавянето на видео може да помогне с разделянето на речта?
   • Видеото намалява размера на аудио файла
   • Движенията на устните предоставят визуални знаци, които помагат за съпоставяне на звука с правилния високоговорител
   • Камерите автоматично отменят ехото
   • Видеото премахва необходимостта от каквато и да е аудио обработка
7. What makes overlapping speech difficult for a separation system before it has analyzed the mixture?
   • The mixture contains no audio samples
   • Every speaker always occupies a separate frequency band
   • The number of speakers and which parts of the waveform belong to each speaker may be unknown
   • The recording already labels each word with its speaker
8. What cue can an early multi-microphone separation method use to distinguish speakers?
   • The spelling of each speaker's name
   • The color of the recording interface
   • The file's compression ratio alone
   • Spatial differences in how each voice reaches the microphone array