Kuis Pengenalan Pembicara ECAPA-TDNN

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

1. Apa keluaran utama model ECAPA-TDNN untuk klip pidato tertentu?
   • Penyematan speaker dengan panjang tetap (cetak suara)
   • Transkrip kata-kata yang diucapkan
   • Label emosi pembicara
   • Bentuk gelombang audio yang ditolak
2. Bagaimana biasanya dua embeddings ECAPA-TDNN dibandingkan untuk memutuskan apakah keduanya milik speaker yang sama?
   • Tingkat kesalahan kata
   • Kesamaan kosinus
   • Rata-rata perbedaan piksel kuadrat
   • Sunting jarak
3. Apa yang dilakukan lapisan 'pengumpulan statistik penuh perhatian'?
   • Menghapus musik latar sebelum dikenali
   • Menerjemahkan ucapan ke bahasa lain
   • Menghitung mean tertimbang dan deviasi standar yang dipelajari pada frame
   • Meningkatkan laju sampel audio
4. Kumpulan data manakah yang paling umum digunakan untuk melatih dan melakukan tolok ukur model speaker ECAPA-TDNN?
   • GambarNet
   • Teks LibriSpeech saja
   • MNIST
   • VoxCeleb
5. Apa kontribusi blok 'SE' (Squeeze-Exitation) pada arsitektur?
   • Ini mengubah bobot saluran fitur berdasarkan konteks global
   • Ini memampatkan file audio untuk penyimpanan
   • Ia melakukan decoding ucapan-ke-teks
   • Ini menghasilkan suara pelatihan sintetis
6. Fungsi kerugian manakah yang biasa digunakan untuk melatih ECAPA-TDNN untuk penyematan diskriminatif?
   • Berarti kesalahan mutlak
   • Softmax margin sudut tambahan (AAM-softmax)
   • Hilangnya piksel kontrastif
   • Klasifikasi temporal koneksionis saja
7. Which ECAPA-TDNN component combines information from shallow and deep network layers?
   • A residual vector quantizer
   • A weighted finite-state transducer
   • Multi-layer feature aggregation
   • A text normalization grammar
8. On which benchmark does the guide report ECAPA-TDNN reaching an equal error rate below roughly one percent?
   • ASVspoof 2021
   • LibriSpeech test-clean
   • Common Voice
   • VoxCeleb1