Kvíz spojený s průvodcem · Střední úroveň

Oddělení řeči a problémový kvíz koktejlové párty

Zkontrolujte, jak systémy pro separaci řeči zvládají smíšené hlasy, prostorové podněty, počty mluvčích a extrakci cílového reproduktoru v praktických audio potrubích.

Otázka 1 z 8

Co je to „problém koktejlové párty“?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Co je to „problém koktejlové párty“?
    • Zaměření na jeden hlas nebo zdroj zvuku mezi mnoha konkurenčními
    • Výběr správného nápoje na akci
    • Měření hlasitosti v místnosti
    • Komprese party hudby pro streamování
  2. Jaký je výstup systému separace řeči při smíšené nahrávce několika mluvčích?
    • Jediná hlasitější verze směsi
    • Samostatná, izolovaná zvuková stopa pro každý reproduktor
    • Pouze textové shrnutí
    • Komprimovaný MP3 z celé místnosti
  3. Co dělá Conv-TasNet jinak než mnoho dřívějších separačních metod?
    • Vyžaduje minimálně osm mikrofonů
    • Funguje pouze u předem nahrané hudby
    • Pracuje přímo v časové oblasti na vzorcích surového tvaru vlny namísto spektrogramů
    • Překládá řeč před jejím oddělením
  4. Jak mnoho separačních sítí izoluje individuální hlas od směsi?
    • Zvýšením vzorkovací frekvence
    • Vymazáním všech frekvencí nad 1 kHz
    • Převedením zvuku do stupňů šedi
    • Odhadem masky, která vybere část signálu každého reproduktoru
  5. Co je to „extrakce cílového reproduktoru“?
    • Vytažení jedné konkrétní osoby pomocí krátké referenční ukázky jejího hlasu
    • Odstranění všech lidských hlasů z nahrávky
    • Počítání, kolik je přítomných řečníků
    • Posílení hudby na pozadí
  6. Proč může přidání videa pomoci s oddělením řeči?
    • Video snižuje velikost zvukového souboru
    • Pohyby rtů poskytují vizuální podněty, které pomáhají sladit zvuk se správným reproduktorem
    • Kamery automaticky zruší ozvěnu
    • Video odstraňuje potřebu jakéhokoli zpracování zvuku
  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