Quiz collegato alla guida · Medio Livello
Quiz di riconoscimento del relatore ECAPA-TDNN
Esplora gli incorporamenti degli altoparlanti ECAPA-TDNN, l'attenzione del canale, l'aggregazione delle funzionalità, il pooling attento, il punteggio coseno e i benchmark degli altoparlanti.
Domanda 1 di 8
Qual è l'output principale di un modello ECAPA-TDNN per un determinato clip vocale?
Anteprima di ogni domanda8 domande
Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.
- Qual è l'output principale di un modello ECAPA-TDNN per un determinato clip vocale?
- Incorporamento di un altoparlante di lunghezza fissa (impronta vocale)
- Una trascrizione delle parole pronunciate
- Un'etichetta dell'emozione di chi parla
- Una forma d'onda audio denomata
- Come vengono generalmente confrontati due incorporamenti ECAPA-TDNN per decidere se appartengono allo stesso parlante?
- Tasso di errori di parole
- Somiglianza del coseno
- Differenza media di pixel quadrati
- Modifica distanza
- Cosa fa il livello di "pooling delle statistiche attente"?
- Rimuove la musica di sottofondo prima del riconoscimento
- Traduce il parlato in un'altra lingua
- Calcola una media ponderata appresa e una deviazione standard sui frame
- Aumenta la frequenza di campionamento audio
- Quale set di dati viene utilizzato più comunemente per addestrare e confrontare i modelli di altoparlanti ECAPA-TDNN?
- ImageNet
- Solo sottotitoli LibriSpeech
- MNIST
- VoxCeleb
- Qual è il contributo del blocco "SE" (Squeeze-Excitation) all'architettura?
- Ripondera i canali delle funzionalità in base al contesto globale
- Comprime il file audio per l'archiviazione
- Esegue la decodifica da parlato a testo
- Genera voci di allenamento sintetiche
- Quale funzione di perdita viene comunemente utilizzata per addestrare ECAPA-TDNN per gli incorporamenti discriminativi?
- Errore medio assoluto
- Margine angolare additivo softmax (AAM-softmax)
- Perdita di pixel contrastanti
- Solo classificazione temporale connessionista
- 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
- 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