গাইড লিঙ্ক ক্যুইজ · কঠিন স্তর

ফিল্টারব্যাঙ্ক এবং পিএলপি বৈশিষ্ট্য কুইজ

কীভাবে লগ-মেল ফিল্টারব্যাঙ্ক এবং পিএলপি আধুনিক স্পিচ মডেলের জন্য সংক্ষিপ্ত স্পিচ ফ্রেমগুলিকে অনুধাবনযোগ্য আকারের বৈশিষ্ট্যগুলিতে রূপান্তর করে তা পরীক্ষা করুন৷

প্রশ্ন 1 এর 8

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

প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

  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. পিএলপি-তে রৈখিক ভবিষ্যদ্বাণী পদক্ষেপ কী সম্পন্ন করে?
    • এটি ভলিউম বাড়ায়
    • এটি একটি মসৃণ বর্ণালী খামের সাথে ভোকাল-ট্র্যাক্ট আকৃতি ক্যাপচার করে
    • এটা reverb যোগ
    • এটি অডিওকে সরাসরি টেক্সটে রূপান্তর করে
  3. আধুনিক গভীর বক্তৃতা শনাক্তকরণ মডেলগুলির জন্য কোন বৈশিষ্ট্যটি প্রভাবশালী ইনপুট?
    • কাঁচা MIDI ফাইল
    • হাতে লেখা প্রতিলিপি
    • লগ-মেল ফিল্টারব্যাঙ্ক বৈশিষ্ট্য
    • JPEG স্পেকট্রোগ্রাম
  4. কীভাবে MFCCগুলি কাঁচা লগ-মেল ফিল্টারব্যাঙ্ক বৈশিষ্ট্যগুলির থেকে আলাদা?
    • MFCCগুলি কোনও ফিল্টার ব্যবহার করে না
    • MFCC শুধুমাত্র ডেসিবেলে পরিমাপ করা হয়
    • MFCC-এর জন্য একটি মাইক্রোফোন অ্যারে প্রয়োজন
    • MFCC ফিল্টারব্যাঙ্ক আউটপুটগুলিকে সজ্জিত করতে একটি কোসাইন ট্রান্সফর্ম যোগ করে
  5. পিএলপি-তে কোন অনুধাবনমূলক উপাদান রয়েছে যা মৌলিক মেল ফিল্টারব্যাঙ্কগুলি অন্তর্ভুক্ত করে না?
    • একটি সমান-লাউডনেস কার্ভ এবং কিউব-রুট তীব্রতা কম্প্রেশন
    • একটি অন্তর্নির্মিত ভাষা মডেল
    • স্বয়ংক্রিয় অনুবাদ
    • স্টেরিও প্যানিং
  6. Why might a deep model use log-mel features or raw waveforms instead of PLP?
    • PLP ব্যবহার করা অবৈধ
    • The model can learn useful task-specific representations without every hand-designed PLP step
    • কাঁচা অডিও সবসময় ছোট হয়
    • PLP শুধুমাত্র সঙ্গীতের জন্য কাজ করে
  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