スピーカーダイアライゼーションクイズ

クイズに答えると、答えと解説が表示されます。

1. 話者ダイアライゼーションは、どの質問によって要約されることが多いですか?
   • どのような言葉が話されましたか？
   • どのような言語が使用されていますか?
   • 誰がいつ話しましたか?
   • その声にはどんな感情が込められているのでしょうか？
2. スピーカー埋め込みとは何ですか?
   • スピーチの転写
   • 沈黙を示すタイムスタンプ
   • オーディオの圧縮形式
   • 音声の特徴を表す固定長のベクトル
3. ダイアライゼーション システムを評価するために一般的に使用される指標はどれですか?
   • ダイアライゼーションエラー率 (DER)
   • ワードエラー率 (WER)
   • 信号対雑音比 (SNR)
   • フレームレート
4. 標準的なダイアライゼーションでは、話者の本名を事前に知る必要がありますか?
   • はい、入力として名前が必要です
   • いいえ、Speaker 1 や Speaker 2 のような匿名のラベルが割り当てられます。
   • はい、ただし最初のスピーカーのみ
   • いいえ、常に完全な ID が出力されます
5. What problem does permutation-invariant training solve in end-to-end neural diarization?
   • It removes the need for an audio signal
   • It evaluates speaker outputs over permutations so arbitrary output-label order does not affect training
   • It identifies a person’s legal name from their voice
   • It forces the model to use exactly one speaker channel
6. 従来のダイアライゼーション パイプラインでは通常どのステップが最初に行われますか?
   • スピーカーへのエンベディングのクラスタリング
   • 実名の割り当て
   • 音声を翻訳する
   • 音声アクティビティ検出による音声領域の検出
7. Which error categories commonly make up Diarization Error Rate?
   • Missed speech, false alarm speech and speaker confusion
   • Word error, punctuation and translation error
   • Only missed speech
   • Pitch, loudness and speaking rate
8. How can an end-to-end diarization model represent simultaneous speakers?
   • By forcing every frame to contain exactly one speaker
   • By predicting multiple active speaker labels for the same time region
   • By assigning real names to all voices
   • By deleting overlap before analysis