ガイド連動クイズ · 簡単 レベル

音声アクティビティ検出クイズ

ストリーミングオーディオにおける音声アクティビティの検出、フレームレベルの音声判定、二日酔いの動作、しきい値のトレードオフを確認します。

関連するガイドパス音声アクティビティの検出
質問 1 の 8

音声アクティビティ検出の主な仕事は何ですか?

すべての質問をプレビューする8 質問

クイズに答えると、答えと解説が表示されます。

  1. 音声アクティビティ検出の主な仕事は何ですか?
    • 音声に音声が含まれているかどうかを決定する
    • 誰が話しているのかを特定する
    • 音声をテキストに翻訳する
    • 合成音声を生成する
  2. OpenAI リアルタイム API の server_vad モードはオーディオ チャンクをどのように決定しますか?
    • By identifying the speaker’s legal name
    • By using periods of silence
    • By examining image frames
    • By grouping words alphabetically
  3. server_vad で Silence_duration_ms は何を設定しますか?
    • The length of the speaker embedding
    • オーディオのサンプルレート
    • How long a silent interval is used to detect that speech has stopped
    • How many words appear in a transcript
  4. 文書化されたserver_vadアクティブ化しきい値はどの範囲を使用しますか?
    • -100 to 100
    • 1 to 1000
    • Only the strings “low” and “high”
    • 0から1
  5. semantic_vad はユーザーが話し終えたことをどのように推定しますか?
    • It uses a semantic classifier based on the words the user has uttered
    • It waits for exactly 500 milliseconds of silence only
    • It checks for a camera image
    • It counts speaker turns from a diarization transcript
  6. What does high eagerness do in semantic_vad?
    • It waits longer before every response
    • It chunks audio sooner and can return transcription events faster
    • It disables all speech detection
    • It increases the number of speakers in the audio
  7. What is the documented default equivalent of semantic_vad eagerness set to auto?
    • ゼロ
    • High
    • 中
    • No threshold
  8. Why may a streaming VAD include padding before detected speech?
    • To add words that were not spoken
    • To identify the real-world speaker name
    • To reduce every utterance to one frame
    • To preserve audio immediately preceding the detected onset