গাইড লিঙ্ক ক্যুইজ · মাঝারি স্তর

বক্তৃতা বিচ্ছেদ এবং ককটেল পার্টি সমস্যা কুইজ

ব্যবহারিক অডিও পাইপলাইনে বক্তৃতা-বিচ্ছেদ সিস্টেমগুলি মিশ্র কণ্ঠস্বর, স্থানিক সংকেত, স্পিকার গণনা এবং লক্ষ্য-স্পীকার নিষ্কাশন কীভাবে পরিচালনা করে তা পরীক্ষা করুন।

প্রশ্ন 1 এর 8

'ককটেল পার্টি সমস্যা' কি?

প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

  1. 'ককটেল পার্টি সমস্যা' কি?
    • অনেক প্রতিযোগীতার মধ্যে একটি ভয়েস বা শব্দ উত্সের উপর ফোকাস করা
    • একটি অনুষ্ঠানে সঠিক পানীয় নির্বাচন করা
    • একটি ঘরের জোরে পরিমাপ করা
    • স্ট্রিমিংয়ের জন্য পার্টি মিউজিক কম্প্রেস করা
  2. একটি বক্তৃতা পৃথকীকরণ সিস্টেমের আউটপুট কতগুলি স্পিকারের মিশ্র রেকর্ডিং দেওয়া হয়?
    • মিশ্রণের একটি একক জোরে সংস্করণ
    • প্রতিটি স্পিকারের জন্য একটি পৃথক, বিচ্ছিন্ন অডিও ট্র্যাক
    • শুধুমাত্র একটি টেক্সট সারাংশ
    • পুরো ঘরের একটি সংকুচিত MP3
  3. Conv-TasNet অনেক আগের বিচ্ছেদ পদ্ধতি থেকে আলাদাভাবে কী করে?
    • এর জন্য কমপক্ষে আটটি মাইক্রোফোন প্রয়োজন
    • এটি শুধুমাত্র প্রাক-রেকর্ড করা সঙ্গীতে কাজ করে
    • এটি স্পেকট্রোগ্রামের পরিবর্তে কাঁচা তরঙ্গরূপ নমুনাগুলিতে সরাসরি টাইম ডোমেনে কাজ করে
    • এটি আলাদা করার আগে বক্তৃতা অনুবাদ করে
  4. কিভাবে অনেক বিচ্ছেদ নেটওয়ার্ক মিশ্রণ থেকে একটি পৃথক ভয়েস বিচ্ছিন্ন করে?
    • নমুনা হার বৃদ্ধি করে
    • 1 kHz এর উপরে সমস্ত ফ্রিকোয়েন্সি মুছে ফেলার মাধ্যমে
    • অডিওকে গ্রেস্কেলে রূপান্তর করে
    • একটি মুখোশ অনুমান করে যা সিগন্যালের প্রতিটি স্পিকারের অংশ নির্বাচন করে
  5. 'টার্গেট-স্পিকার নিষ্কাশন' কি?
    • তাদের ভয়েসের একটি সংক্ষিপ্ত রেফারেন্স নমুনা ব্যবহার করে একজন নির্দিষ্ট ব্যক্তিকে বের করা
    • একটি রেকর্ডিং থেকে সমস্ত মানুষের ভয়েস মুছে ফেলা হচ্ছে৷
    • কতজন বক্তা উপস্থিত রয়েছে তা গণনা করা হচ্ছে
    • ব্যাকগ্রাউন্ড মিউজিক বুস্টিং
  6. কেন ভিডিও যোগ করা বক্তৃতা পৃথকীকরণে সাহায্য করতে পারে?
    • ভিডিও অডিও ফাইলের আকার কমিয়ে দেয়
    • ঠোঁটের নড়াচড়া ভিজ্যুয়াল ইঙ্গিত দেয় যা সঠিক স্পিকারের সাথে শব্দ মেলাতে সাহায্য করে
    • ক্যামেরা স্বয়ংক্রিয়ভাবে প্রতিধ্বনি বাতিল
    • ভিডিও যেকোনো অডিও প্রসেসিংয়ের প্রয়োজনকে সরিয়ে দেয়
  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