Quiz sur les intégrations de haut-parleurs X-Vector

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

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. Quelle couche transforme un énoncé de longueur variable en un seul vecteur de longueur fixe dans le réseau de vecteurs x ?
   • Un filtre d'image convolutif
   • Une couche de regroupement de statistiques qui calcule la moyenne et l'écart type au fil du temps
   • Une couche d'abandon
   • Un softmax final utilisé comme intégration elle-même
3. Quel type de réseau neuronal est traditionnellement utilisé pour extraire les vecteurs x ?
   • Un réseau contradictoire génératif
   • Un ensemble d’arbres de décision
   • Un réseau neuronal à retardement (TDNN)
   • Une simple régression linéaire
4. Comment deux vecteurs x sont-ils généralement comparés pour décider s'ils proviennent du même locuteur ?
   • Par similarité cosinus ou backend PLDA
   • En comptant les mots correspondants
   • En comparant les tailles de fichiers
   • En vérifiant la fréquence d'échantillonnage 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-vecteurs
   • An audio file-size histogram
6. Quelle architecture la plus récente améliore le vecteur x classique avec une attention de canal et une mise en commun attentive des statistiques ?
   • ResNet-50 pour les images
   • 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