Útmutatóhoz kapcsolódó kvíz · Közepes Szint

Beszélő naplózó kvíz

Review speaker diarization, anonymous speaker labels, overlap handling and the components of diarization error rate. across common scoring conventions.

Kapcsolódó útmutató utakBeszélő naplózása
kérdés 1 -ból 8

A beszélő naplózását gyakran melyik kérdés foglalja össze?

Tekintse meg az összes kérdést8 kérdéseket

A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.

  1. A beszélő naplózását gyakran melyik kérdés foglalja össze?
    • Milyen szavak hangzottak el?
    • Milyen nyelvet használnak?
    • Ki mikor beszélt?
    • Milyen érzelem van a hangban?
  2. Mi az a hangszóró beágyazás?
    • A beszéd átirata
    • A csendet jelző időbélyeg
    • A hang tömörítési formátuma
    • Egy hang jellemzőit reprezentáló fix hosszúságú vektor
  3. Milyen mérőszámot használnak általában a diarizáló rendszerek értékelésére?
    • Diarizációs hibaarány (DER)
    • Word Error Rate (WER)
    • Jel-zaj arány (SNR)
    • Képkockasebesség
  4. A normál naplózásnak tudnia kell előre a beszélők valódi nevét?
    • Igen, a nevek megadása kötelező
    • Nem, névtelen címkéket rendel hozzá, például az 1. hangszórót és a 2. hangszórót
    • Igen, de csak az első hangszóró
    • Nem, mindig teljes identitást ad ki
  5. What problem does permutation-invariant training solve in end-to-end neural diarization?
    • It removes the need for an audio signal
    • It evaluates speaker outputs over permutations so arbitrary output-label order does not affect training
    • It identifies a person’s legal name from their voice
    • It forces the model to use exactly one speaker channel
  6. Általában melyik lépés következik először a klasszikus naplózási folyamatban?
    • Hangszórókba ágyazás klaszterezése
    • Valódi nevek hozzárendelése
    • A hanganyag fordítása
    • Hangtevékenység-érzékelés a beszédrégiók megtalálásához
  7. Which error categories commonly make up Diarization Error Rate?
    • Missed speech, false alarm speech and speaker confusion
    • Word error, punctuation and translation error
    • Only missed speech
    • Pitch, loudness and speaking rate
  8. How can an end-to-end diarization model represent simultaneous speakers?
    • By forcing every frame to contain exactly one speaker
    • By predicting multiple active speaker labels for the same time region
    • By assigning real names to all voices
    • By deleting overlap before analysis