Κουίζ που συνδέεται με οδηγό · Μεσαίο Επίπεδο

Κουίζ εκμάθησης ενσωματώσεων ήχου και αναπαράστασης

Ελέγξτε πώς οι ενσωματώσεις ήχου κωδικοποιούν τον ήχο, πώς η εκπαίδευση με αντίθεση συνδέει ήχο και κείμενο και πώς τα μαθημένα διανύσματα μεταφέρονται μεταξύ των εργασιών.

Σχετικές διαδρομές οδηγώνΕκμάθηση ενσωματώσεων και αναπαράστασης ήχου
Ερώτηση 1 του 8

Τι είναι η ενσωμάτωση ήχου;

Προεπισκόπηση κάθε ερώτησης8 ερωτήσεις

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

  1. Τι είναι η ενσωμάτωση ήχου;
    • Ένα διάνυσμα αριθμών σταθερού μήκους που αντιπροσωπεύει τα σημαντικά χαρακτηριστικά ενός ήχου
    • Μια συμπιεσμένη έκδοση MP3 του αρχείου ήχου
    • Μια γραπτή μεταγραφή προφορικών λέξεων
    • Ένα επίπεδο έντασης μετρημένο σε ντεσιμπέλ
  2. Γιατί η αυτοεποπτευόμενη μάθηση είναι τόσο σημαντική για τις ενσωματώσεις ήχου;
    • Απαιτείται ηχογράφηση σε στούντιο
    • Μαθαίνει χρήσιμες αναπαραστάσεις από ήχο χωρίς ετικέτα, μειώνοντας την ανάγκη για ανθρώπινες ετικέτες
    • Λειτουργεί μόνο στη μουσική, όχι στην ομιλία
    • Εγγυάται τέλεια ακρίβεια μεταγραφής
  3. Πώς μαθαίνει το Wav2Vec 2.0 κατά την προπόνηση;
    • Με μετάφραση ήχου στα γαλλικά
    • Απομνημονεύοντας ακριβώς κάθε αρχείο εκπαίδευσης
    • Απόκρυψη περιοχών ήχου και πρόβλεψη της σωστής κβαντισμένης μονάδας μεταξύ των διασπαστών
    • Μετρώντας το μέγεθος του αρχείου κάθε κλιπ
  4. Τι ευθυγραμμίζει ένα μοντέλο όπως το CLAP σε έναν κοινόχρηστο χώρο ενσωμάτωσης;
    • Δύο διαφορετικά καρέ βίντεο
    • Pixel και έγχρωμα ιστογράμματα
    • Επίπεδο μπαταρίας και χρήση CPU
    • Περιγραφές ήχου και αντιστοίχισης κειμένου
  5. Πριν από την τροφοδοσία ήχου σε ένα νευρωνικό δίκτυο, ποιος κοινός μετασχηματισμός εφαρμόζεται συχνά;
    • Μετατροπή του σε αναπαράσταση φασματογράμματος ή μαθημένου φίλτρου
    • Εκτύπωσή του ως παρτιτούρα
    • Μόνιμη διαγραφή όλων των συχνοτήτων πάνω από την ανθρώπινη ακοή
    • Μετατροπή του σε εικόνα JPEG του εξωφύλλου του άλμπουμ
  6. Ποια εργασία του πραγματικού κόσμου βασίζεται άμεσα στη σύγκριση των ενσωματώσεων ήχου;
    • Υπολογισμός της τιμής αγοράς ενός τραγουδιού
    • Ημερομηνία του ομιλητή, καταλαβαίνοντας ποιος μίλησε πότε
    • Επιλογή εξωφύλλου άλμπουμ
    • Ρύθμιση της φωτεινότητας της οθόνης
  7. During contrastive audio-text training, what happens to a matching audio clip and its text description?
    • They are converted into the same raw waveform
    • The text embedding is discarded
    • Their embeddings are pulled closer while mismatched pairs are pushed apart
    • The audio is assigned a speaker name as a class label
  8. Why can one self-supervised audio embedding be reused across several downstream tasks?
    • It stores the original waveform without compression
    • It contains a manually written label for every possible sound
    • It works only for one speaker and one recording
    • It captures general acoustic structure that can support tasks with little extra labeled data