Quiz collegato alla guida · Medio Livello
Quiz sugli incorporamenti degli altoparlanti X-Vector
Esamina le caratteristiche dell'identità del vettore x, il contesto temporale TDNN, il pooling delle statistiche, gli incorporamenti di livelli nascosti e i metodi di punteggio per il confronto dei parlanti.
Domanda 1 di 8
Quale informazione è progettata per enfatizzare uno x-vector di riconoscimento dell'oratore?
Anteprima di ogni domanda8 domande
Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.
- Quale informazione è progettata per enfatizzare uno x-vector di riconoscimento dell'oratore?
- Solo le parole esatte pronunciate come testo
- Solo il formato del file della registrazione
- A guaranteed identity proof unaffected by recording conditions
- Caratteristiche legate al parlante piuttosto che una trascrizione dell'utterance
- Quale livello trasforma un'espressione di lunghezza variabile in un singolo vettore di lunghezza fissa nella rete di vettori x?
- Un filtro immagine convoluzionale
- Un livello di pooling di statistiche che calcola la media e la deviazione standard nel tempo
- Uno strato di abbandono
- Un softmax finale utilizzato come incorporamento stesso
- Che tipo di rete neurale viene tradizionalmente utilizzata per estrarre i vettori x?
- Una rete avversaria generativa
- Un insieme di alberi decisionali
- Una rete neurale a ritardo temporale (TDNN)
- Una semplice regressione lineare
- Come vengono generalmente confrontati due vettori x per decidere se provengono dallo stesso parlante?
- Per somiglianza del coseno o backend PLDA
- Contando le parole corrispondenti
- Confrontando le dimensioni dei file
- Controllando la frequenza di campionamento audio
- Quale rappresentazione consolidata ha fornito le baseline di confronto nello studio di riconoscimento dell'oratore con x-vector del 2018?
- Un embedding visivo token-immagine
- Un vettore di conteggio parole solo testo
- i-vettori
- Un istogramma della dimensione del file audio
- Quale architettura più recente migliora il classico vettore x con l'attenzione del canale e il pooling delle statistiche attente?
- ResNet-50 per le immagini
- GPT-2
- YOLO
- ECAPA-TDNN
- Perché il classico x-vector viene estratto da un livello nascosto a livello di segmento anziché essere usato come output softmax finale dell'addestramento del parlante?
- La rappresentazione nascosta può essere confrontata come un embedding invece di essere limitata alle probabilità per le etichette dei parlanti di addestramento
- Il livello nascosto contiene la trascrizione testuale della registrazione
- Le probabilità softmax sono l'unico luogo in cui esistono informazioni acustiche
- I livelli nascosti non possono elaborare una registrazione non vista
- Qual è il contributo di uno strato di ritardo temporale prima del pooling statistico in un estrattore di x-vector?
- Si memorizza solo un singolo nome di file finale
- Combina le informazioni dai fotogrammi acustici vicini, costruendo un contesto temporale
- Assegna un nuovo etichetta di parlante casuale a ogni fotogramma
- Rimuove tutte le informazioni temporali prima di qualsiasi elaborazione acustica