Gids-gekoppelde quiz · Middelmatig Niveau

Quiz voor spraakemotieherkenning

Controleert akoestische aanwijzingen, datasetlimieten, cross-corpus-generalisatie, dubbelzinnigheid van labels en het beperkte EU-verbod op de werkplek en het onderwijs.

Gerelateerde gidspadenSpraak-emotieherkenning
Vraag 1 van 8

Wat analyseert Spraakemotieherkenning voornamelijk?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. Wat analyseert Spraakemotieherkenning voornamelijk?
    • Akoestische kenmerken van de stem, zoals toonhoogte en energie
    • De letterlijke woorden in een transcriptie
    • De grammatica van de zin
    • De gezichtsuitdrukkingen van de spreker
  2. Which acoustic properties can speech-emotion models use as cues?
    • Only the spelling of transcribed words
    • Pitch, energy, speaking rate, and voice-quality features
    • A person’s job title
    • The number of speakers in a company
  3. Waarom is het labelen van emotiegegevens bijzonder moeilijk?
    • Audiobestanden zijn te groot om op te slaan
    • Microfoons kunnen geen emoties opnemen
    • Emotie is subjectief en menselijke annotators zijn het daar vaak niet mee eens
    • Emoties verschijnen nooit in spraak
  4. Welke van deze is een bekende dataset voor emotionele spraak?
    • BeeldNet
    • COCO
    • Ploeg
    • IEMOCAP
  5. Hoe maken moderne SER-systemen vaak gebruik van beperkte gelabelde gegevens?
    • Door zelfbeheerde modellen zoals wav2vec 2.0 te verfijnen
    • Door neurale netwerken volledig te vermijden
    • Door alleen handgeschreven regels te gebruiken
    • Door eerst miljoenen nieuwe emotionele clips op te nemen
  6. What does the EU AI Act prohibit regarding emotion recognition?
    • All emotion-related research in any setting
    • Inferring emotions in workplace or educational settings, except for medical or safety reasons
    • Every voice assistant that detects speech
    • Any system that transcribes spoken words
  7. Why can a speech-emotion model trained on one dataset fail on another?
    • Emotion labels are identical across every corpus
    • Microphone and speaker differences never affect audio
    • Speakers, language, recording conditions, elicitation, and label distributions can differ
    • A trained model cannot process new recordings
  8. What is one limitation of treating a speech-emotion prediction as a person’s true internal state?
    • Acoustic features contain no information
    • A predicted label is a clinical diagnosis by default
    • The same voice always expresses the same emotion
    • A model infers patterns from audio and may not reflect the speaker’s context or self-report