Kuis terkait panduan · Sedang Tingkat

Kuis Pengenalan Emosi Ucapan

Memeriksa isyarat akustik, batasan kumpulan data, generalisasi lintas korpus, ambiguitas label, dan larangan sempit di tempat kerja dan pendidikan di Uni Eropa.

Jalur panduan terkaitPengenalan Emosi Ucapan
Pertanyaan 1 dari 8

Apa yang terutama dianalisis oleh Pengenalan Emosi Ucapan?

Pratinjau setiap pertanyaan8 pertanyaan

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

  1. Apa yang terutama dianalisis oleh Pengenalan Emosi Ucapan?
    • Fitur akustik suara seperti nada dan energi
    • Kata-kata literal dalam transkrip
    • Tata bahasa kalimatnya
    • Ekspresi wajah pembicara
  2. Which acoustic properties can speech-emotion models use as cues?
    • Only the spelling of transcribed words
    • Pitch, energy, speaking rate, and voice-quality features
    • A person’s job title
    • The number of speakers in a company
  3. Mengapa memberi label pada data emosi sangat sulit?
    • File audio terlalu besar untuk disimpan
    • Mikrofon tidak dapat merekam emosi
    • Emosi bersifat subjektif dan anotator manusia sering kali tidak setuju
    • Emosi tidak pernah muncul dalam ucapan
  4. Manakah dari kumpulan data ucapan emosional berikut yang terkenal?
    • GambarNet
    • kelapa
    • Pasukan
    • IEMOCAP
  5. Bagaimana sistem SER modern sering kali memanfaatkan data berlabel terbatas?
    • Dengan menyempurnakan model yang diawasi sendiri seperti wav2vec 2.0
    • Dengan menghindari jaringan saraf sepenuhnya
    • Dengan hanya menggunakan aturan tulisan tangan
    • Dengan merekam jutaan klip emosional baru terlebih dahulu
  6. What does the EU AI Act prohibit regarding emotion recognition?
    • All emotion-related research in any setting
    • Inferring emotions in workplace or educational settings, except for medical or safety reasons
    • Every voice assistant that detects speech
    • Any system that transcribes spoken words
  7. Why can a speech-emotion model trained on one dataset fail on another?
    • Emotion labels are identical across every corpus
    • Microphone and speaker differences never affect audio
    • Speakers, language, recording conditions, elicitation, and label distributions can differ
    • A trained model cannot process new recordings
  8. What is one limitation of treating a speech-emotion prediction as a person’s true internal state?
    • Acoustic features contain no information
    • A predicted label is a clinical diagnosis by default
    • The same voice always expresses the same emotion
    • A model infers patterns from audio and may not reflect the speaker’s context or self-report