Útmutatóhoz kapcsolódó kvíz · Közepes Szint

Kezdeti észlelés az audio kvízben

Learn how audio onset detectors find event attacks, use spectral flux and peak picking, and handle gradual or overlapping sounds.

Kapcsolódó útmutató utakKezdeti észlelés hangban
kérdés 1 -ból 8

Pontosan mit jelent az „kezdet” a hangban?

Tekintse meg az összes kérdést8 kérdéseket

A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.

  1. Pontosan mit jelent az „kezdet” a hangban?
    • Abban a pillanatban, amikor egy akusztikus esemény elkezdődik, mint egy hang támadása
    • Egy hang elhalása
    • Egy szám átlagos hangereje
    • Egy dal vége
  2. What does spectral flux measure for onset detection?
    • A rule that marks every beat as a note onset
    • Positive increases in spectral energy between successive frames
    • A decay detector that selects only falling energy
    • A pitch estimator that finds the nearest MIDI note
  3. Miért alkalmaznak félhullámú egyenirányítást a spektrális fluxusban?
    • A bomlás felerősítésére
    • Hang szöveggé konvertálásához
    • Tehát csak az emelkedő (pozitív) energiaváltozások járulnak hozzá, figyelmen kívül hagyva a bomlásokat
    • A hang lassításához
  4. Melyik típusú megjelenést a legnehezebb észlelni?
    • Éles dobütés
    • Hangos cintányér csattanás
    • Pergő visszaverés
    • Lágy, fokozatos hegedűduzzadás
  5. Mit akadályoz meg az adaptív küszöbértékkel rendelkező csúcsfelvételi szakasz?
    • Kettős kioldás és hamis kezdetek
    • Hangtömörítés
    • Hangmagasság eltolás
    • Sztereó szélesítés
  6. What can a neural onset detector learn from labeled audio examples?
    • A guarantee that every onset will be detected
    • Patterns in the audio features that signal event beginnings
    • A fixed tempo that applies to every recording
    • The identity of every instrument without evaluation
  7. What does onset backtracking do when detected times are used to create audio slices?
    • Moves each onset to the end of the entire recording
    • Replaces each onset with the nearest musical beat
    • Moves an onset to the nearest preceding local minimum of an energy signal
    • Adds a fixed one-second delay after every peak
  8. What can happen when an onset model is transferred to a different instrument or dataset?
    • Its predictions are guaranteed to remain identical
    • The audio automatically becomes monophonic
    • The model no longer needs a time-frequency input
    • Its performance may change and should be evaluated in the new domain