Mit dem Guide verknüpftes Quiz · Mittel Ebene

Quiz zur Sprachemotionserkennung

Überprüft akustische Hinweise, Datensatzgrenzen, unternehmensübergreifende Verallgemeinerung, Mehrdeutigkeit von Bezeichnungen und das enge EU-Arbeitsplatz- und Bildungsverbot.

Verwandte FührungspfadeSprachemotionserkennung
Frage 1 von 8

Was analysiert die Sprachemotionserkennung hauptsächlich?

Sehen Sie sich jede Frage in der Vorschau an8 Fragen

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

  1. Was analysiert die Sprachemotionserkennung hauptsächlich?
    • Akustische Merkmale der Stimme wie Tonhöhe und Energie
    • Die wörtlichen Wörter in einem Transkript
    • Die Grammatik des Satzes
    • Die Mimik des Sprechers
  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. Warum ist die Kennzeichnung von Emotionsdaten besonders schwierig?
    • Audiodateien sind zu groß zum Speichern
    • Mikrofone können keine Emotionen aufzeichnen
    • Emotionen sind subjektiv und menschliche Kommentatoren sind oft anderer Meinung
    • Emotionen tauchen nie in der Sprache auf
  4. Welcher davon ist ein bekannter emotionaler Sprachdatensatz?
    • ImageNet
    • COCO
    • SQuAD
    • IEMOCAP
  5. Wie nutzen moderne SER-Systeme häufig begrenzte gekennzeichnete Daten?
    • Durch die Feinabstimmung selbstüberwachter Modelle wie wav2vec 2.0
    • Durch den vollständigen Verzicht auf neuronale Netze
    • Indem wir nur handschriftliche Regeln verwenden
    • Indem wir zunächst Millionen neuer emotionaler Clips aufnehmen
  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