Kuiz Penyertaan Pembesar Suara X-Vector

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

1. What information is a speaker-recognition x-vector designed to emphasize?
   • Only the exact words spoken as text
   • Only the recording's file format
   • A guaranteed identity proof unaffected by recording conditions
   • Speaker-related characteristics rather than a transcript of the utterance
2. Lapisan manakah yang menukarkan sebutan panjang berubah menjadi vektor panjang tetap tunggal dalam rangkaian vektor-x?
   • Penapis imej konvolusi
   • Lapisan pengumpulan statistik yang mengira min dan sisihan piawai merentas masa
   • Lapisan keciciran
   • Softmax terakhir digunakan sebagai pembenaman itu sendiri
3. Apakah jenis rangkaian neural yang digunakan secara tradisional untuk mengekstrak vektor-x?
   • Rangkaian musuh generatif
   • Kumpulan pokok keputusan
   • Rangkaian Neural Kelewatan Masa (TDNN)
   • Regresi linear biasa
4. Bagaimanakah dua vektor-x biasanya dibandingkan untuk menentukan sama ada ia datang daripada pembesar suara yang sama?
   • Dengan persamaan kosinus atau hujung belakang PLDA
   • Dengan mengira perkataan yang sepadan
   • Dengan membandingkan saiz fail
   • Dengan menyemak kadar sampel audio
5. Which established representation supplied comparison baselines in the 2018 x-vector speaker-recognition study?
   • A visual image-token embedding
   • A text-only word-count vector
   • i-vektor
   • An audio file-size histogram
6. Seni bina baharu manakah yang bertambah baik pada vektor-x klasik dengan perhatian saluran dan pengumpulan statistik yang penuh perhatian?
   • ResNet-50 untuk imej
   • GPT-2
   • YOLO
   • ECAPA-TDNN
7. Why is the classic x-vector extracted from a hidden segment-level layer rather than used as the final training-speaker softmax output?
   • The hidden representation can be compared as an embedding instead of being limited to probabilities for the training speaker labels
   • The hidden layer contains the recording's text transcript
   • Softmax probabilities are the only place where acoustic information exists
   • Hidden layers cannot process an unseen recording
8. What does a time-delay layer contribute before statistics pooling in an x-vector extractor?
   • It stores only a single final filename
   • It combines information from neighboring acoustic frames, building temporal context
   • It assigns a new random speaker label to every frame
   • It removes all time information before any acoustic processing