Quiz lié à un guide · Moyen Niveau

Quiz sur la reconnaissance des émotions et de la parole

Vérifie les signaux acoustiques, les limites des ensembles de données, la généralisation entre corpus, l'ambiguïté des étiquettes et l'interdiction étroite du lieu de travail et de l'éducation dans l'UE.

Chemins de guidage associésReconnaissance des émotions vocales
Question 1 de 8

Qu’est-ce que la reconnaissance vocale des émotions analyse principalement ?

Prévisualisez chaque question8 des questions

Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.

  1. Qu’est-ce que la reconnaissance vocale des émotions analyse principalement ?
    • Caractéristiques acoustiques de la voix comme la hauteur et l'énergie
    • Les mots littéraux dans une transcription
    • La grammaire de la phrase
    • Les expressions faciales de l'orateur
  2. Which acoustic properties can speech-emotion models use as cues?
    • Only the spelling of transcribed words
    • Pitch, energy, speaking rate, and voice-quality features
    • A person’s job title
    • The number of speakers in a company
  3. Pourquoi est-il particulièrement difficile d’étiqueter les données émotionnelles ?
    • Les fichiers audio sont trop volumineux pour être stockés
    • Les microphones ne peuvent pas enregistrer les émotions
    • L'émotion est subjective et les annotateurs humains sont souvent en désaccord
    • Les émotions n'apparaissent jamais dans le discours
  4. Lequel de ces éléments constitue un ensemble de données sur la parole émotionnelle bien connu ?
    • ImageNet
    • COCO
    • ESCOUADE
    • IEMOCAP
  5. Comment les systèmes SER modernes exploitent-ils souvent des données étiquetées limitées ?
    • En affinant les modèles auto-supervisés comme wav2vec 2.0
    • En évitant complètement les réseaux de neurones
    • En utilisant uniquement des règles manuscrites
    • En enregistrant d'abord des millions de nouveaux clips émotionnels
  6. What does the EU AI Act prohibit regarding emotion recognition?
    • All emotion-related research in any setting
    • Inferring emotions in workplace or educational settings, except for medical or safety reasons
    • Every voice assistant that detects speech
    • Any system that transcribes spoken words
  7. Why can a speech-emotion model trained on one dataset fail on another?
    • Emotion labels are identical across every corpus
    • Microphone and speaker differences never affect audio
    • Speakers, language, recording conditions, elicitation, and label distributions can differ
    • A trained model cannot process new recordings
  8. What is one limitation of treating a speech-emotion prediction as a person’s true internal state?
    • Acoustic features contain no information
    • A predicted label is a clinical diagnosis by default
    • The same voice always expresses the same emotion
    • A model infers patterns from audio and may not reflect the speaker’s context or self-report