Quiz collegato alla guida · Medio Livello
Quiz sui coefficienti cefalorali della frequenza Mel
Testa il modo in cui gli MFCC riassumono le energie spettrali percettivamente scalate, il contributo del DCT e perché i front-end audio appresi sono comuni.
Domanda 1 di 8
A cosa si riferisce il "mel" in MFCC?
Anteprima di ogni domanda8 domande
Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.
- A cosa si riferisce il "mel" in MFCC?
- Il nome dell'inventore
- Un tipo di livello di rete neurale
- Un'unità di volume in decibel
- Una scala di frequenza percettiva che imita l'udito umano
- Quale trasformazione viene applicata per ultima per produrre i coefficienti cepstrali?
- Trasformata discreta del coseno
- Trasformata di Fourier
- Trasformata wavelet
- Trasformata di Hilbert
- Perché gli MFCC sono relativamente robusti rispetto al tono di un oratore?
- Amplificano la frequenza fondamentale
- Il DCT separa la forma lenta del tratto vocale dalle armoniche del tono rapido
- Ignorano completamente l'ampiezza
- Convertono prima l'audio in testo
- Approssimativamente quanti coefficienti MFCC vengono generalmente mantenuti per frame?
- Esattamente 100
- Circa 1.000
- Intorno alle 13
- Solo 1
- Perché il log viene applicato alle energie della banda mel?
- Per convertire in testo
- Per eliminare perfettamente ogni rumore
- Per aumentare la frequenza di campionamento
- Per approssimare il modo in cui gli esseri umani percepiscono il volume
- Nei moderni sistemi audio di deep learning, cosa spesso sostituisce gli MFCC realizzati artigianalmente?
- Forme d'onda grezze o spettrogrammi log-mel inseriti nei front-end appresi
- Trascrizioni in testo semplice
- Solo la trasformata di Fourier senza ridimensionamento
- File MIDI
- What do the MFCCs summarize after the discrete cosine transform?
- The original waveform sample by sample
- A compact representation of the log mel-spectrum’s broad shape
- The exact phase of every frequency component
- The semantic meaning of a spoken sentence
- What information is lost when a signal is summarized by a small set of MFCCs?
- The recording’s entire duration
- Every estimate of average loudness
- Fine spectral detail and phase information
- The existence of a time axis