Quiz collegato alla guida · Medio Livello

Quiz sul riconoscimento delle emozioni vocali

Controlla i segnali acustici, i limiti dei set di dati, la generalizzazione tra corpus, l'ambiguità delle etichette e il divieto ristretto dell'UE sul posto di lavoro e sull'istruzione.

Percorsi guida correlatiRiconoscimento delle emozioni vocali
Domanda 1 di 8

Che cosa analizza principalmente il riconoscimento delle emozioni vocali?

Anteprima di ogni domanda8 domande

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

  1. Che cosa analizza principalmente il riconoscimento delle emozioni vocali?
    • Caratteristiche acustiche della voce come tono ed energia
    • Le parole letterali in una trascrizione
    • La grammatica della frase
    • Le espressioni facciali di chi parla
  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. Perché etichettare i dati emotivi è particolarmente difficile?
    • I file audio sono troppo grandi per essere archiviati
    • I microfoni non possono registrare le emozioni
    • L’emozione è soggettiva e gli annotatori umani spesso non sono d’accordo
    • Le emozioni non appaiono mai nel discorso
  4. Quale di questi è un set di dati sul discorso emotivo ben noto?
    • ImageNet
    • COCO
    • SQUAD
    • IEMOCAP
  5. In che modo i moderni sistemi SER spesso sfruttano dati etichettati limitati?
    • Perfezionando modelli auto-supervisionati come wav2vec 2.0
    • Evitando del tutto le reti neurali
    • Utilizzando solo regole scritte a mano
    • Registrando prima milioni di nuove clip emozionali
  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