Gids-gekoppelde quiz · Middelmatig Niveau

Spraakruis onderdrukken met RNNoise Quiz

Bekijk het compacte DSP-plus-neurale ontwerp van RNNoise, de perceptuele banden, de terugkerende versterkingsvoorspelling, de toonhoogtefiltering en de verwerking van ruisframes.

Gerelateerde gidspadenSpraakdenoise met Rnnoise
Vraag 1 van 8

Wat voorspelt RNNoise voornamelijk voor elk kort audioframe?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. Wat voorspelt RNNoise voornamelijk voor elk kort audioframe?
    • Een versterking (0 tot 1) voor elk van ongeveer 22 frequentiebanden
    • De transcriptie van de toespraak
    • De identiteit van de spreker
    • De taal die wordt gesproken
  2. Welk type neuraal netwerk vormt de kern van RNNoise?
    • Een grote transformator
    • Een klein terugkerend netwerk dat gebruik maakt van GRU's
    • Een convolutionele beeldclassificator
    • Een diffusiemodel
  3. Waarom gebruikt RNNoise perceptuele frequentiebanden in plaats van ruwe spectrale bakken?
    • Om het netwerk groot en accuraat te maken
    • Om audio naar tekst te vertalen
    • Om het model klein te houden en artefacten door muziekruis te verminderen
    • Om de samplefrequentie te verhogen
  4. Hoe groot is het RNNoise-model ongeveer?
    • Ongeveer 1 miljard parameters
    • Ongeveer 50 miljoen parameters
    • Het heeft geen leerbare parameters
    • Ongeveer 85.000 gewichten
  5. Wat is de rol van het pitchfilter in RNNoise?
    • Om restruis tussen de harmonischen van stemhebbende spraak te verwijderen
    • Om de toonhoogte van de spreker te verhogen
    • Om de leeftijd van de spreker te detecteren
    • Om het bestand te comprimeren
  6. Welke populaire toepassing bevat RNNoise als ingebouwde optie voor ruisonderdrukking?
    • Microsoft Excel
    • OBS-studio
    • Adobe Photoshop
    • De spellingcontrole van een webbrowser
  7. Which hand-crafted features does RNNoise feed to its recurrent network?
    • Image color histograms and edge maps
    • Wordpiece embeddings and attention masks
    • Band energies, pitch period, and pitch correlation
    • Speaker names and calendar timestamps
  8. What does RNNoise’s separate voice-activity output help the system do?
    • Identify the speaker by name
    • Choose the bitrate of an audio codec
    • Translate the speech into another language
    • Gate the band gains during frames containing only noise