Útmutatóhoz kapcsolódó kvíz · Kemény Szint

Filterbank és PLP funkciók kvíz

Test how log-mel filterbanks and PLP convert short speech frames into perceptually shaped features for modern speech models.

Kapcsolódó útmutató utakFilterbank és PLP funkciók
kérdés 1 -ból 8

Why do speech filterbanks use mel- or Bark-spaced bands instead of uniformly spaced hertz?

Tekintse meg az összes kérdést8 kérdéseket

A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.

  1. Why do speech filterbanks use mel- or Bark-spaced bands instead of uniformly spaced hertz?
    • The scales allocate finer frequency spacing at low frequencies and coarser spacing at high frequencies, approximating aspects of hearing
    • They make files smaller only
    • They remove all background noise
    • They guarantee perfect speech recognition
  2. Mit ér el a PLP lineáris előrejelzési lépése?
    • Növeli a hangerőt
    • Sima spektrális burkolóanyaghoz illeszkedik, amely rögzíti a vokális traktus alakját
    • Hozzáadja a visszhangot
    • A hangot közvetlenül szöveggé alakítja
  3. Melyik jellemzőtípus a domináns bemenet a modern mélybeszéd-felismerő modelleknél?
    • Nyers MIDI fájlok
    • Kézzel írt átiratok
    • Log-mel szűrőbank jellemzői
    • JPEG spektrogramok
  4. Miben különböznek az MFCC-k a nyers log-mel szűrőbank jellemzőitől?
    • Az MFCC-k egyáltalán nem használnak szűrőket
    • Az MFCC-ket csak decibelben mérik
    • Az MFCC-k mikrofontömböt igényelnek
    • Az MFCC-k koszinusz transzformációt adnak hozzá a szűrőbank kimeneteinek díszítéséhez
  5. Milyen perceptuális elemet tartalmaz a PLP, amit az alapvető mel szűrőbankok nem?
    • Egyenlő hangerősségű görbe és kockagyök intenzitású tömörítés
    • Beépített nyelvi modell
    • Automatikus fordítás
    • Sztereó pásztázás
  6. Why might a deep model use log-mel features or raw waveforms instead of PLP?
    • A PLP használata illegális
    • The model can learn useful task-specific representations without every hand-designed PLP step
    • A nyers hang mindig kisebb
    • A PLP csak zenére működik
  7. What is a typical log-mel filterbank feature for one speech frame?
    • A word-level translation
    • A single pitch label for the whole recording
    • The logarithm of spectral energy pooled through a mel-spaced filter
    • A pixel color from a spectrogram image
  8. Which order best describes the main PLP processing steps?
    • Translation, tokenization, and decoding
    • Stereo panning, reverb, and compression
    • Image segmentation followed by color correction
    • Critical-band analysis, equal-loudness weighting, loudness compression, then linear prediction