Kvíz spojený s průvodcem · Střední úroveň
Kvíz o dializaci řečníka
Prohlédněte si diarizaci reproduktorů, anonymní popisky reproduktorů, manipulaci s překrýváním a složky chybovosti diarizování. napříč běžnými bodovacími konvencemi.
Otázka 1 z 8
Speaker diarization is often summarized by which question?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Speaker diarization is often summarized by which question?
- Jaká slova byla vyslovena?
- Jaký jazyk se používá?
- Kdo kdy mluvil?
- Jaké emoce jsou v hlase?
- Co je to vložení reproduktoru?
- Přepis projevu
- Časové razítko označující ticho
- Kompresní formát pro zvuk
- Vektor pevné délky představující vlastnosti hlasu
- Která metrika se běžně používá k hodnocení diarizačních systémů?
- Chybovost diarizace (DER)
- Slovní chybovost (WER)
- Poměr signálu k šumu (SNR)
- Snímková frekvence
- Potřebuje standardní diarizace znát skutečná jména mluvčích předem?
- Ano, jména jsou vyžadována jako vstup
- Ne, přiděluje anonymní štítky jako Speaker 1 a Speaker 2
- Ano, ale pouze první reproduktor
- Ne, vždy se zobrazí plná identita
- What problem does permutation-invariant training solve in end-to-end neural diarization?
- It removes the need for an audio signal
- It evaluates speaker outputs over permutations so arbitrary output-label order does not affect training
- It identifies a person’s legal name from their voice
- It forces the model to use exactly one speaker channel
- Který krok je v klasickém diarizačním potrubí obvykle na prvním místě?
- Shlukování vložení do reproduktorů
- Přidělování skutečných jmen
- Překlad zvuku
- Detekce hlasové aktivity k nalezení oblastí řeči
- Which error categories commonly make up Diarization Error Rate?
- Missed speech, false alarm speech and speaker confusion
- Word error, punctuation and translation error
- Only missed speech
- Pitch, loudness and speaking rate
- How can an end-to-end diarization model represent simultaneous speakers?
- By forcing every frame to contain exactly one speaker
- By predicting multiple active speaker labels for the same time region
- By assigning real names to all voices
- By deleting overlap before analysis