Quiz lié à un guide · Facile Niveau

Quiz sur la détection d'activité vocale

Examinez la détection de l'activité vocale, les décisions vocales au niveau de l'image, le comportement de gueule de bois et les compromis de seuil dans le streaming audio.

Chemins de guidage associésDétection d'activité vocale
Question 1 de 8

Quelle est la tâche principale de la détection d’activité vocale ?

Prévisualisez chaque question8 des questions

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

  1. Quelle est la tâche principale de la détection d’activité vocale ?
    • Décidez si l'audio contient de la parole ou non
    • Identifiez qui parle
    • Traduire le discours en texte
    • Générer des voix synthétiques
  2. How does the OpenAI Realtime API’s server_vad mode determine audio chunks?
    • By identifying the speaker’s legal name
    • By using periods of silence
    • By examining image frames
    • By grouping words alphabetically
  3. What does silence_duration_ms configure in server_vad?
    • The length of the speaker embedding
    • La fréquence d'échantillonnage audio
    • How long a silent interval is used to detect that speech has stopped
    • How many words appear in a transcript
  4. What range does the documented server_vad activation threshold use?
    • -100 to 100
    • 1 to 1000
    • Only the strings “low” and “high”
    • 0 à 1
  5. How does semantic_vad estimate that a user has finished speaking?
    • It uses a semantic classifier based on the words the user has uttered
    • It waits for exactly 500 milliseconds of silence only
    • It checks for a camera image
    • It counts speaker turns from a diarization transcript
  6. What does high eagerness do in semantic_vad?
    • It waits longer before every response
    • It chunks audio sooner and can return transcription events faster
    • It disables all speech detection
    • It increases the number of speakers in the audio
  7. What is the documented default equivalent of semantic_vad eagerness set to auto?
    • Zéro
    • High
    • Moyen
    • No threshold
  8. Why may a streaming VAD include padding before detected speech?
    • To add words that were not spoken
    • To identify the real-world speaker name
    • To reduce every utterance to one frame
    • To preserve audio immediately preceding the detected onset