Odszumianie mowy za pomocą quizu RNNoise

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. Co przede wszystkim przewiduje RNNoise dla każdej krótkiej klatki dźwięku?
   • Wzmocnienie (0 do 1) dla każdego z około 22 pasm częstotliwości
   • Zapis przemówienia
   • Tożsamość mówiącego
   • Język, którym się mówi
2. Jaki typ sieci neuronowej stanowi rdzeń RNNoise?
   • Duży transformator
   • Mała sieć rekurencyjna wykorzystująca GRU
   • Splotowy klasyfikator obrazu
   • Model dyfuzyjny
3. Dlaczego RNNoise wykorzystuje percepcyjne pasma częstotliwości zamiast surowych przedziałów widmowych?
   • Aby sieć była ogromna i dokładna
   • Aby przetłumaczyć dźwięk na tekst
   • Aby model był mały i zredukował artefakty związane z szumem muzycznym
   • Aby zwiększyć częstotliwość próbkowania
4. Jak duży jest w przybliżeniu model RNNoise?
   • Około 1 miliarda parametrów
   • Około 50 milionów parametrów
   • Nie ma żadnych parametrów, których można się nauczyć
   • Około 85 000 odważników
5. Jaka jest rola filtra wysokości dźwięku w RNNoise?
   • Aby usunąć szum resztkowy pomiędzy harmonicznymi mowy dźwięcznej
   • Aby podnieść ton głośnika
   • Aby wykryć wiek mówiącego
   • Aby skompresować plik
6. Która popularna aplikacja zawiera RNNoise jako wbudowaną opcję tłumienia hałasu?
   • Microsoft Excela
   • Studio OBS
   • Adobe Photoshopie
   • Moduł sprawdzania pisowni w przeglądarce internetowej
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