Cuestionario sobre la separación del habla y el problema del cóctel

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

1. ¿Cuál es el 'problema del cóctel'?
   • Centrarse en una voz o fuente de sonido entre muchas otras que compiten
   • Elegir la bebida adecuada en un evento
   • Medir el volumen de una habitación
   • Comprimir música de fiesta para transmitirla
2. ¿Cuál es el resultado de un sistema de separación de voz dada una grabación mixta de varios oradores?
   • Una única versión más fuerte de la mezcla.
   • Una pista de audio separada y aislada para cada altavoz
   • Sólo un resumen de texto
   • Un MP3 comprimido de toda la sala
3. ¿En qué se diferencia Conv-TasNet de muchos métodos de separación anteriores?
   • Requiere al menos ocho micrófonos.
   • Sólo funciona con música pregrabada.
   • Opera directamente en el dominio del tiempo en muestras de formas de onda sin procesar en lugar de espectrogramas.
   • Traduce el discurso antes de separarlo.
4. ¿Cómo muchas redes de separación aíslan una voz individual de la mezcla?
   • Al aumentar la frecuencia de muestreo
   • Eliminando todas las frecuencias superiores a 1 kHz
   • Al convertir audio a escala de grises
   • Estimando una máscara que selecciona la porción de la señal de cada hablante.
5. ¿Qué es la "extracción del hablante objetivo"?
   • Sacar a una persona específica usando una breve muestra de referencia de su voz.
   • Eliminar todas las voces humanas de una grabación
   • Contar cuántos oradores están presentes
   • Impulsar la música de fondo
6. ¿Por qué agregar video puede ayudar con la separación del habla?
   • El vídeo reduce el tamaño del archivo de audio.
   • Los movimientos de los labios proporcionan señales visuales que ayudan a hacer coincidir el sonido con el hablante correcto.
   • Las cámaras cancelan el eco automáticamente
   • El vídeo elimina la necesidad de cualquier procesamiento de audio.
7. What makes overlapping speech difficult for a separation system before it has analyzed the mixture?
   • The mixture contains no audio samples
   • Every speaker always occupies a separate frequency band
   • The number of speakers and which parts of the waveform belong to each speaker may be unknown
   • The recording already labels each word with its speaker
8. What cue can an early multi-microphone separation method use to distinguish speakers?
   • The spelling of each speaker's name
   • The color of the recording interface
   • The file's compression ratio alone
   • Spatial differences in how each voice reaches the microphone array