Kuis Teks Audio

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

1. Apa perbedaan teks audio dengan pengenalan ucapan otomatis?
   • Ini hanya berfungsi dalam keheningan
   • Ini lebih lambat tetapi outputnya identik
   • Ini menggambarkan keseluruhan adegan akustik daripada menyalin kata-kata yang diucapkan
   • Ini mengubah teks menjadi audio
2. Which published datasets supply general-audio descriptions for captioning in this guide?
   • MNIST and CIFAR only
   • Clotho dan AudioCaps
   • A mandatory bank-transaction table
   • Only a raw network-password list
3. What architecture does the cited original Clotho baseline use to produce caption words from audio features?
   • Only a fixed filename lookup
   • Only a volume meter with no text output
   • Only an unchanged grammar rule list
   • An encoder-decoder scheme with attention
4. Mengapa teks audio bermanfaat untuk aksesibilitas?
   • Ini menggambarkan suara non-ucapan untuk pengguna tunarungu dan yang mengalami gangguan pendengaran
   • Ini meningkatkan volume audio
   • Ini menghapus kebisingan latar belakang
   • Ini mengenkripsi audio
5. Which reference-comparison metric does the Clotho paper use among its caption evaluations?
   • RGB color values
   • CIDer
   • Audio sample rate alone
   • Only a decibel reading
6. Apa tantangan besar yang sedang berlangsung dalam pembuatan teks audio?
   • File audio terlalu kecil untuk diproses
   • Tidak ada kumpulan data yang tersedia
   • Teks hanya boleh sepanjang satu kata
   • Menghasilkan deskripsi yang akurat dan menghindari detail halusinasi
7. How many reference captions per audio file does the original Clotho paper report?
   • Lima
   • Satu
   • Fifteen
   • Seratus
8. How many log-mel-band features form each input frame in the original Clotho baseline described in the paper?
   • 8
   • 20
   • 64
   • 256