Mit dem Guide verknüpftes Quiz · Mittel Ebene

Quiz zu Mel-Frequenz-Cepstral-Koeffizienten

Testen Sie, wie MFCCs wahrnehmungsskalierte Spektralenergien zusammenfassen, welchen Beitrag das DCT leistet und warum erlernte Audio-Frontends üblich sind.

Verwandte FührungspfadeCepstralkoeffizienten der Mel-Frequenz
Frage 1 von 8

Worauf bezieht sich das „mel“ in MFCC?

Sehen Sie sich jede Frage in der Vorschau an8 Fragen

Während Sie am Quiz teilnehmen, werden Antworten und Erklärungen angezeigt.

  1. Worauf bezieht sich das „mel“ in MFCC?
    • Der Name des Erfinders
    • Eine Art neuronale Netzwerkschicht
    • Eine Einheit der Lautstärke in Dezibel
    • Eine wahrnehmungsbezogene Frequenzskala, die das menschliche Tonhöhenhören nachahmt
  2. Welche Transformation wird zuletzt angewendet, um die Cepstralkoeffizienten zu erzeugen?
    • Diskrete Kosinustransformation
    • Fourier-Transformation
    • Wavelet-Transformation
    • Hilbert-Transformation
  3. Warum sind MFCCs relativ robust gegenüber der Tonhöhe eines Sprechers?
    • Sie verstärken die Grundfrequenz
    • Das DCT trennt die langsame Form des Stimmtrakts von den schnellen Tonhöhenharmonischen
    • Sie ignorieren die Amplitude völlig
    • Sie konvertieren zuerst Audio in Text
  4. Wie viele MFCC-Koeffizienten werden normalerweise ungefähr pro Frame beibehalten?
    • Genau 100
    • Etwa 1.000
    • Um 13
    • Nur 1
  5. Warum wird der Logarithmus auf die Mel-Band-Energien angewendet?
    • In Text umwandeln
    • Um alle Geräusche perfekt zu entfernen
    • Um die Abtastrate zu erhöhen
    • Um zu approximieren, wie Menschen Lautstärke wahrnehmen
  6. Was ersetzt in modernen Deep-Learning-Audiosystemen häufig handgefertigte MFCCs?
    • Rohe Wellenformen oder Log-Mel-Spektrogramme werden in erlernte Frontends eingespeist
    • Klartexttranskripte
    • Nur die Fourier-Transformation ohne Skalierung
    • MIDI-Dateien
  7. What do the MFCCs summarize after the discrete cosine transform?
    • The original waveform sample by sample
    • A compact representation of the log mel-spectrum’s broad shape
    • The exact phase of every frequency component
    • The semantic meaning of a spoken sentence
  8. What information is lost when a signal is summarized by a small set of MFCCs?
    • The recording’s entire duration
    • Every estimate of average loudness
    • Fine spectral detail and phase information
    • The existence of a time axis