Cuestionario vinculado a una guía · Medio Nivel

Eliminación de ruido del habla con RNNoise Quiz

Compruebe el diseño compacto DSP más neuronal de RNNoise, las bandas de percepción, la predicción de ganancia recurrente, el filtrado de tono y el manejo de cuadros de ruido.

Rutas de guía relacionadasEliminación de ruido del habla con ruido
Pregunta 1 de 8

¿Qué predice principalmente RNNoise para cada cuadro corto de audio?

Vista previa de cada pregunta8 preguntas

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

  1. ¿Qué predice principalmente RNNoise para cada cuadro corto de audio?
    • Una ganancia (0 a 1) para cada una de aproximadamente 22 bandas de frecuencia.
    • La transcripción del discurso.
    • La identidad del hablante.
    • El idioma que se habla
  2. ¿Qué tipo de red neuronal se encuentra en el núcleo de RNNoise?
    • Un gran transformador
    • Una pequeña red recurrente que utiliza GRU
    • Un clasificador de imágenes convolucional
    • Un modelo de difusión
  3. ¿Por qué RNNoise utiliza bandas de frecuencia de percepción en lugar de contenedores espectrales sin procesar?
    • Para hacer que la red sea enorme y precisa
    • Para traducir audio a texto
    • Para mantener el modelo pequeño y reducir los artefactos de ruido musical.
    • Para aumentar la frecuencia de muestreo
  4. ¿Aproximadamente qué tamaño tiene el modelo RNNoise?
    • Alrededor de mil millones de parámetros
    • Alrededor de 50 millones de parámetros
    • No tiene parámetros que se puedan aprender.
    • Alrededor de 85.000 pesos
  5. ¿Cuál es la función del filtro de tono en RNNoise?
    • Para eliminar el ruido residual entre armónicos del habla sonora.
    • Para elevar el tono del hablante
    • Para detectar la edad del hablante
    • Para comprimir el archivo
  6. ¿Qué aplicación popular incluye RNNoise como opción integrada de supresión de ruido?
    • Microsoft Sobresalir
    • Estudio OBS
    • Adobe Photoshop
    • El corrector ortográfico de un navegador web
  7. Which hand-crafted features does RNNoise feed to its recurrent network?
    • Image color histograms and edge maps
    • Wordpiece embeddings and attention masks
    • Band energies, pitch period, and pitch correlation
    • Speaker names and calendar timestamps
  8. What does RNNoise’s separate voice-activity output help the system do?
    • Identify the speaker by name
    • Choose the bitrate of an audio codec
    • Translate the speech into another language
    • Gate the band gains during frames containing only noise