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.
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.
- 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
- 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
- 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
- Quale di questi è un set di dati sul discorso emotivo ben noto?
- ImageNet
- COCO
- SQUAD
- IEMOCAP
- 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
- 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
- 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
- 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