Kvíz spojený s průvodcem · Střední úroveň

Kvíz o rozpoznávání emocí řeči

Kontroluje akustické signály, limity datových souborů, mezikorpusovou generalizaci, nejednoznačnost štítků a úzký zákaz EU na pracovišti a vzdělávání.

Související vodicí cestyRozpoznávání emocí řeči
Otázka 1 z 8

Co rozpoznávání emocí řeči primárně analyzuje?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Co rozpoznávání emocí řeči primárně analyzuje?
    • Akustické vlastnosti hlasu jako výška a energie
    • Doslovná slova v přepisu
    • Gramatika věty
    • Mimika mluvčího
  2. Which acoustic properties can speech-emotion models use as cues?
    • Only the spelling of transcribed words
    • Pitch, energy, speaking rate, and voice-quality features
    • A person’s job title
    • The number of speakers in a company
  3. Proč je označování dat emocí obzvláště obtížné?
    • Zvukové soubory jsou pro uložení příliš velké
    • Mikrofony nedokážou zaznamenat emoce
    • Emoce jsou subjektivní a lidští anotátoři často nesouhlasí
    • Emoce se v řeči nikdy neobjevují
  4. Která z nich je dobře známá datová sada emoční řeči?
    • ImageNet
    • COCO
    • SQUAD
    • IEMOCAP
  5. Jak moderní systémy SER často využívají omezená označená data?
    • Jemným doladěním modelů s vlastním dohledem, jako je wav2vec 2.0
    • Úplným vyhýbáním se neuronovým sítím
    • Pouze pomocí ručně psaných pravidel
    • Nejprve nahráním milionů nových emotivních klipů
  6. What does the EU AI Act prohibit regarding emotion recognition?
    • All emotion-related research in any setting
    • Inferring emotions in workplace or educational settings, except for medical or safety reasons
    • Every voice assistant that detects speech
    • Any system that transcribes spoken words
  7. Why can a speech-emotion model trained on one dataset fail on another?
    • Emotion labels are identical across every corpus
    • Microphone and speaker differences never affect audio
    • Speakers, language, recording conditions, elicitation, and label distributions can differ
    • A trained model cannot process new recordings
  8. What is one limitation of treating a speech-emotion prediction as a person’s true internal state?
    • Acoustic features contain no information
    • A predicted label is a clinical diagnosis by default
    • The same voice always expresses the same emotion
    • A model infers patterns from audio and may not reflect the speaker’s context or self-report