Prueba sobre incrustaciones de altavoces X-Vector

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

1. What information is a speaker-recognition x-vector designed to emphasize?
   • Only the exact words spoken as text
   • Only the recording's file format
   • A guaranteed identity proof unaffected by recording conditions
   • Speaker-related characteristics rather than a transcript of the utterance
2. ¿Qué capa convierte una expresión de longitud variable en un único vector de longitud fija en la red de vectores x?
   • Un filtro de imagen convolucional
   • Una capa de agrupación de estadísticas que calcula la media y la desviación estándar a lo largo del tiempo.
   • Una capa de abandono
   • Un softmax final utilizado como la propia incrustación.
3. ¿Qué tipo de red neuronal se utiliza tradicionalmente para extraer vectores x?
   • Una red generativa de confrontación
   • Un conjunto de árboles de decisión
   • Una red neuronal con retardo de tiempo (TDNN)
   • Una simple regresión lineal
4. ¿Cómo se comparan normalmente dos vectores x para decidir si provienen del mismo hablante?
   • Por similitud de coseno o un backend PLDA
   • Contando palabras coincidentes
   • Comparando tamaños de archivos
   • Comprobando la frecuencia de muestreo de audio
5. Which established representation supplied comparison baselines in the 2018 x-vector speaker-recognition study?
   • A visual image-token embedding
   • A text-only word-count vector
   • i-vectores
   • An audio file-size histogram
6. ¿Qué arquitectura más nueva mejora el clásico x-vector con atención de canales y recopilación atenta de estadísticas?
   • ResNet-50 para imágenes
   • GPT-2
   • YOLO
   • ECAPA-TDNN
7. Why is the classic x-vector extracted from a hidden segment-level layer rather than used as the final training-speaker softmax output?
   • The hidden representation can be compared as an embedding instead of being limited to probabilities for the training speaker labels
   • The hidden layer contains the recording's text transcript
   • Softmax probabilities are the only place where acoustic information exists
   • Hidden layers cannot process an unseen recording
8. What does a time-delay layer contribute before statistics pooling in an x-vector extractor?
   • It stores only a single final filename
   • It combines information from neighboring acoustic frames, building temporal context
   • It assigns a new random speaker label to every frame
   • It removes all time information before any acoustic processing