オーディオの埋め込みと表現の学習クイズ

クイズに答えると、答えと解説が表示されます。

1. オーディオの埋め込みとは何ですか?
   • サウンドの意味のある特徴を表す数値の固定長ベクトル
   • オーディオ ファイルの圧縮 MP3 バージョン
   • 話された言葉を書き起こしたもの
   • デシベル単位で測定される音量レベル
2. 自己教師あり学習が音声埋め込みにとってそれほど重要なのはなぜですか?
   • 音声はスタジオで録音する必要があります
   • ラベルのないオーディオから有用な表現を学習し、人間によるラベルの必要性を減らします。
   • 音声ではなく音楽でのみ機能します
   • 完璧な転写精度を保証します
3. Wav2Vec 2.0 は事前トレーニング中にどのように学習しますか?
   • 音声をフランス語に翻訳する
   • すべてのトレーニング ファイルを正確に記憶することで、
   • オーディオのスパンをマスキングし、邪魔者の間で正しい量子化単位を予測することによって
   • 各クリップのファイルサイズを測定することにより、
4. CLAP のようなモデルは、共有エンベディング スペースでどのように調整されますか?
   • 2 つの異なるビデオ フレーム
   • ピクセルとカラーヒストグラム
   • バッテリー残量とCPU使用率
   • 音声とそれに対応するテキストの説明
5. オーディオをニューラル ネットワークに供給する前に、どのような一般的な変換がよく適用されますか?
   • スペクトログラムまたは学習されたフィルター表現への変換
   • 楽譜として印刷する
   • 人間の可聴域を超えるすべての周波数を永久に削除する
   • アルバムジャケットのJPEG画像に変換する
6. 現実世界のタスクのうち、オーディオのエンベディングの比較に直接依存しているものはどれですか?
   • 曲の購入価格の計算
   • 発言者日記、誰がいつ発言したかを把握する
   • アルバムジャケットアートワークの選択
   • 画面の明るさを設定する
7. During contrastive audio-text training, what happens to a matching audio clip and its text description?
   • They are converted into the same raw waveform
   • The text embedding is discarded
   • Their embeddings are pulled closer while mismatched pairs are pushed apart
   • The audio is assigned a speaker name as a class label
8. Why can one self-supervised audio embedding be reused across several downstream tasks?
   • It stores the original waveform without compression
   • It contains a manually written label for every possible sound
   • It works only for one speaker and one recording
   • It captures general acoustic structure that can support tasks with little extra labeled data