Quiz collegato alla guida · Medio Livello

Eliminazione del rumore vocale con RNNoise Quiz

Controlla il design compatto DSP-plus-neurale di RNNoise, le bande percettive, la previsione del guadagno ricorrente, il filtraggio dell'intonazione e la gestione del frame di rumore.

Percorsi guida correlatiDenoising vocale con Rnnoise
Domanda 1 di 8

Cosa prevede principalmente RNNoise per ogni breve fotogramma audio?

Anteprima di ogni domanda8 domande

Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.

  1. Cosa prevede principalmente RNNoise per ogni breve fotogramma audio?
    • Un guadagno (da 0 a 1) per ciascuna delle circa 22 bande di frequenza
    • La trascrizione del discorso
    • L'identità del parlante
    • La lingua parlata
  2. Che tipo di rete neurale è al centro di RNNoise?
    • Un grande trasformatore
    • Una piccola rete ricorrente che utilizza GRU
    • Un classificatore di immagini convoluzionale
    • Un modello di diffusione
  3. Perché RNNoise utilizza bande di frequenza percettive anziché contenitori spettrali grezzi?
    • Per rendere la rete vasta e precisa
    • Per tradurre l'audio in testo
    • Per mantenere il modello piccolo e ridurre gli artefatti dovuti al rumore musicale
    • Per aumentare la frequenza di campionamento
  4. Quanto è grande all'incirca il modello RNNoise?
    • Circa 1 miliardo di parametri
    • Circa 50 milioni di parametri
    • Non ha parametri apprendibili
    • Circa 85.000 pesi
  5. Qual è il ruolo del filtro dell'intonazione in RNNoise?
    • Per rimuovere il rumore residuo tra gli armonici del parlato espresso
    • Per alzare il tono di chi parla
    • Per rilevare l'età di chi parla
    • Per comprimere il file
  6. Quale applicazione popolare include RNNoise come opzione integrata di soppressione del rumore?
    • Microsoft Excel
    • Studio OBS
    • Adobe Photoshop
    • Il correttore ortografico di un browser web
  7. Which hand-crafted features does RNNoise feed to its recurrent network?
    • Image color histograms and edge maps
    • Wordpiece embeddings and attention masks
    • Band energies, pitch period, and pitch correlation
    • Speaker names and calendar timestamps
  8. What does RNNoise’s separate voice-activity output help the system do?
    • Identify the speaker by name
    • Choose the bitrate of an audio codec
    • Translate the speech into another language
    • Gate the band gains during frames containing only noise