Kvíz spojený s průvodcem · Těžko úroveň

Kvíz o funkcích filtrační banky a PLP

Vyzkoušejte, jak log-mel filtrační banky a PLP převádějí krátké řečové rámce na percepčně tvarované prvky pro moderní řečové modely.

Související vodicí cestyFunkce filtrační banky a Plp
Otázka 1 z 8

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

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  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. Čeho dosáhne krok lineární predikce v PLP?
    • Zvyšuje hlasitost
    • Zapadá do hladké spektrální obálky zachycující tvar vokálního traktu
    • Přidává reverb
    • Převádí zvuk přímo na text
  3. Který typ funkce je dominantním vstupem pro moderní modely rozpoznávání hluboké řeči?
    • Raw MIDI soubory
    • Ručně psané přepisy
    • Funkce filtrační banky Log-mel
    • JPEG spektrogramy
  4. Jak se MFCC liší od základních funkcí log-mel filtrační banky?
    • MFCC nepoužívají vůbec žádné filtry
    • MFCC se měří pouze v decibelech
    • MFCC vyžadují pole mikrofonů
    • MFCC přidávají kosinusovou transformaci pro dekorelaci výstupů filtrační banky
  5. Jaký percepční prvek zahrnuje PLP, který základní mel filtrační banky ne?
    • Křivka stejné hlasitosti a komprese intenzity odmocniny
    • Vestavěný jazykový model
    • Automatický překlad
    • Stereo panorámování
  6. Why might a deep model use log-mel features or raw waveforms instead of PLP?
    • Použití PLP je nezákonné
    • The model can learn useful task-specific representations without every hand-designed PLP step
    • Surový zvuk je vždy menší
    • PLP funguje pouze pro hudbu
  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