Kvíz spojený s průvodcem · Střední úroveň
Kvíz s titulkováním zvuku
Prohlédněte si zvukové popisy a přepis řeči pomocí Clotho a AudioCaps, titulků kodéru a dekodéru, vyhodnocení CIDEr a původních odkazů na Clotho.
Otázka 1 z 8
Jak se zvukové titulky liší od automatického rozpoznávání řeči?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Jak se zvukové titulky liší od automatického rozpoznávání řeči?
- Funguje pouze na ticho
- Je pomalejší, ale výstupově stejný
- Spíše než přepis mluveného slova popisuje celkovou akustickou scénu
- Převádí text na zvuk
- Které publikované datasety poskytují popisy obecných zvuků pro titulkování v této příručce?
- MNIST and CIFAR only
- Clotho a AudioCaps
- A mandatory bank-transaction table
- Only a raw network-password list
- Jakou architekturu používá citovaný původní výchozí model Clotho k vytváření slov titulků ze zvukových příznaků?
- Only a fixed filename lookup
- Only a volume meter with no text output
- Only an unchanged grammar rule list
- An encoder-decoder scheme with attention
- Proč jsou zvukové titulky cenné pro usnadnění přístupu?
- Popisuje neřečové zvuky pro neslyšící a nedoslýchavé uživatele
- Zvyšuje hlasitost zvuku
- Odstraňuje šum na pozadí
- Šifruje zvuk
- Kterou metriku porovnání s referencí používá článek o modelu Clotho při hodnocení svých titulků?
- RGB color values
- CIDER
- Audio sample rate alone
- Only a decibel reading
- Co je hlavní průběžnou výzvou v oblasti zvukových titulků?
- Zvukové soubory jsou příliš malé na zpracování
- Nejsou k dispozici žádné datové sady
- Titulky mohou mít pouze jedno slovo
- Vytvářejte popisy, které jsou přesné a zároveň se vyhýbají halucinačním detailům
- How many reference captions per audio file does the original Clotho paper report?
- Pět
- Jeden
- Fifteen
- Sto
- How many log-mel-band features form each input frame in the original Clotho baseline described in the paper?
- 8
- 20
- 64
- 256