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.

  1. 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
  2. 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
  3. 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
  4. 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
  5. 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
  6. 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
  7. 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
  8. 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