Quiz połączony z przewodnikiem · Ciężko Poziom

Quiz dotyczący banku filtrów i funkcji PLP

Przetestuj, jak log-melowe banki filtrów i PLP konwertują krótkie ramki mowy na cechy kształtowane percepcyjnie dla nowoczesnych modeli mowy.

Powiązane ścieżki prowadząceFunkcje banku filtrów i Plp
Pytanie 1 z 8

Why do speech filterbanks use mel- or Bark-spaced bands instead of uniformly spaced hertz?

Podgląd każdego pytania8 pytania

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

  1. Why do speech filterbanks use mel- or Bark-spaced bands instead of uniformly spaced hertz?
    • The scales allocate finer frequency spacing at low frequencies and coarser spacing at high frequencies, approximating aspects of hearing
    • They make files smaller only
    • They remove all background noise
    • They guarantee perfect speech recognition
  2. Do czego służy etap przewidywania liniowego w PLP?
    • Zwiększa głośność
    • Dopasowuje się do gładkiej obwiedni widmowej, oddając kształt przewodu głosowego
    • Dodaje pogłos
    • Konwertuje dźwięk bezpośrednio na tekst
  3. Który typ funkcji stanowi dominujący wkład w nowoczesne modele głębokiego rozpoznawania mowy?
    • Surowe pliki MIDI
    • Odręczne transkrypcje
    • Funkcje banku filtrów Log-mel
    • Spektrogramy JPEG
  4. Czym MFCC różnią się od surowych funkcji banku filtrów log-mel?
    • MFCC w ogóle nie używają filtrów
    • Wartości MFCC mierzy się wyłącznie w decybelach
    • MFCC wymagają zestawu mikrofonów
    • MFCC dodają transformację kosinusową w celu dekorelacji wyników banku filtrów
  5. Jaki element percepcyjny zawiera PLP, czego nie zawierają podstawowe banki filtrów Mel?
    • Krzywa o jednakowej głośności i kompresja intensywności pierwiastka sześciennego
    • Wbudowany model języka
    • Tłumaczenie automatyczne
    • Panoramowanie stereo
  6. Why might a deep model use log-mel features or raw waveforms instead of PLP?
    • Używanie PLP jest nielegalne
    • The model can learn useful task-specific representations without every hand-designed PLP step
    • Surowy dźwięk jest zawsze mniejszy
    • PLP działa tylko w przypadku muzyki
  7. What is a typical log-mel filterbank feature for one speech frame?
    • A word-level translation
    • A single pitch label for the whole recording
    • The logarithm of spectral energy pooled through a mel-spaced filter
    • A pixel color from a spectrogram image
  8. Which order best describes the main PLP processing steps?
    • Translation, tokenization, and decoding
    • Stereo panning, reverb, and compression
    • Image segmentation followed by color correction
    • Critical-band analysis, equal-loudness weighting, loudness compression, then linear prediction