Quiz dotyczący rozpoznawania mówców ECAPA-TDNN

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. Jaki jest główny wynik modelu ECAPA-TDNN dla danego klipu mowy?
   • Osadzanie głośnika o stałej długości (druk głosowy)
   • Transkrypcja wypowiedzianych słów
   • Etykieta emocji mówiącego
   • Odszumiony przebieg audio
2. W jaki sposób zwykle porównuje się dwa osadzania ECAPA-TDNN, aby zdecydować, czy należą do tego samego głośnika?
   • Poziom błędu słowa
   • Cosinus podobieństwo
   • Średnia kwadratowa różnica pikseli
   • Edytuj odległość
3. Do czego służy warstwa „uważnego gromadzenia statystyk”?
   • Usuwa muzykę w tle przed rozpoznaniem
   • Tłumaczy mowę na inny język
   • Oblicza wyuczoną średnią ważoną i odchylenie standardowe dla klatek
   • Zwiększa częstotliwość próbkowania dźwięku
4. Który zbiór danych jest najczęściej używany do szkolenia i porównywania modeli głośników ECAPA-TDNN?
   • ImageNet
   • Tylko napisy LibriSpeech
   • MNIST
   • VoxCeleb
5. Jaki wpływ na architekturę ma blok „SE” (Squeeze-Excitation)?
   • Ponownie waży kanały fabularne w oparciu o kontekst globalny
   • Kompresuje plik audio w celu przechowywania
   • Wykonuje dekodowanie mowy na tekst
   • Generuje syntetyczne głosy szkoleniowe
6. Która funkcja straty jest powszechnie używana do uczenia ECAPA-TDNN pod kątem osadzania dyskryminacyjnego?
   • Średni błąd bezwzględny
   • Addytywny margines kątowy softmax (AAM-softmax)
   • Kontrastowa utrata pikseli
   • Tylko koneksjonistyczna klasyfikacja czasowa
7. Which ECAPA-TDNN component combines information from shallow and deep network layers?
   • A residual vector quantizer
   • A weighted finite-state transducer
   • Multi-layer feature aggregation
   • A text normalization grammar
8. On which benchmark does the guide report ECAPA-TDNN reaching an equal error rate below roughly one percent?
   • ASVspoof 2021
   • LibriSpeech test-clean
   • Common Voice
   • VoxCeleb1