Κουίζ που συνδέεται με οδηγό · Σκληρό Επίπεδο

Quiz για Filterbank και PLP Features

Δοκιμάστε πώς οι τράπεζες φίλτρων log-mel και το PLP μετατρέπουν σύντομα πλαίσια ομιλίας σε χαρακτηριστικά διαμορφωμένα αντιληπτικά για σύγχρονα μοντέλα ομιλίας.

Σχετικές διαδρομές οδηγώνFilterbank And Plp Χαρακτηριστικά
Ερώτηση 1 του 8

Why do speech filterbanks use mel- or Bark-spaced bands instead of uniformly spaced hertz?

Προεπισκόπηση κάθε ερώτησης8 ερωτήσεις

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

  1. Why do speech filterbanks use mel- or Bark-spaced bands instead of uniformly spaced hertz?
    • The scales allocate finer frequency spacing at low frequencies and coarser spacing at high frequencies, approximating aspects of hearing
    • They make files smaller only
    • They remove all background noise
    • They guarantee perfect speech recognition
  2. Τι επιτυγχάνει το βήμα γραμμικής πρόβλεψης στο PLP;
    • Αυξάνει την ένταση
    • Ταιριάζει σε ένα ομαλό φασματικό φάκελο που αποτυπώνει το σχήμα της φωνητικής οδού
    • Προσθέτει αντήχηση
    • Μετατρέπει τον ήχο σε κείμενο απευθείας
  3. Ποιος τύπος χαρακτηριστικών είναι η κυρίαρχη είσοδος για τα σύγχρονα μοντέλα βαθιάς αναγνώρισης ομιλίας;
    • Ακατέργαστα αρχεία MIDI
    • Χειρόγραφες μεταγραφές
    • Χαρακτηριστικά της τράπεζας φίλτρων Log-mel
    • Φασματογράμματα JPEG
  4. Πώς διαφέρουν τα MFCC από τα χαρακτηριστικά της τράπεζας φίλτρου raw log-mel;
    • Τα MFCC δεν χρησιμοποιούν καθόλου φίλτρα
    • Τα MFCC μετρώνται μόνο σε ντεσιμπέλ
    • Τα MFCC απαιτούν συστοιχία μικροφώνων
    • Τα MFCC προσθέτουν έναν μετασχηματισμό συνημιτόνου για να αποσυσχετίσουν τις εξόδους της τράπεζας φίλτρων
  5. Ποιο αντιληπτικό στοιχείο περιλαμβάνει το PLP που δεν περιλαμβάνει οι βασικές τράπεζες φίλτρων mel;
    • Μια καμπύλη ίσης έντασης και συμπίεση έντασης κυβικής ρίζας
    • Ένα ενσωματωμένο μοντέλο γλώσσας
    • Αυτόματη μετάφραση
    • Stereo panning
  6. Why might a deep model use log-mel features or raw waveforms instead of PLP?
    • Η χρήση του PLP είναι παράνομη
    • The model can learn useful task-specific representations without every hand-designed PLP step
    • Ο ακατέργαστος ήχος είναι πάντα μικρότερος
    • Το PLP λειτουργεί μόνο για μουσική
  7. What is a typical log-mel filterbank feature for one speech frame?
    • A word-level translation
    • A single pitch label for the whole recording
    • The logarithm of spectral energy pooled through a mel-spaced filter
    • A pixel color from a spectrogram image
  8. Which order best describes the main PLP processing steps?
    • Translation, tokenization, and decoding
    • Stereo panning, reverb, and compression
    • Image segmentation followed by color correction
    • Critical-band analysis, equal-loudness weighting, loudness compression, then linear prediction