Separacja mowy i quiz dotyczący problemów z przyjęciem koktajlowym

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. Na czym polega „problem koktajli”?
   • Koncentrowanie się na jednym głosie lub źródle dźwięku spośród wielu konkurencyjnych
   • Wybór odpowiedniego napoju na imprezie
   • Pomiar głośności pomieszczenia
   • Kompresja muzyki imprezowej do przesyłania strumieniowego
2. Jaka jest moc wyjściowa systemu separacji mowy przy mieszanym nagraniu kilku mówców?
   • Pojedyncza, głośniejsza wersja mieszanki
   • Oddzielna, izolowana ścieżka audio dla każdego głośnika
   • Tylko streszczenie tekstowe
   • Skompresowany plik MP3 całego pokoju
3. Czym Conv-TasNet różni się od wielu wcześniejszych metod separacji?
   • Wymaga co najmniej ośmiu mikrofonów
   • Działa tylko w przypadku wcześniej nagranej muzyki
   • Działa bezpośrednio w dziedzinie czasu na surowych próbkach przebiegów, a nie na spektrogramach
   • Tłumaczy mowę przed jej rozdzieleniem
4. W jaki sposób wiele sieci separacji izoluje indywidualny głos z mieszaniny?
   • Zwiększając częstotliwość próbkowania
   • Poprzez usunięcie wszystkich częstotliwości powyżej 1 kHz
   • Konwertując dźwięk na skalę szarości
   • Oszacowując maskę, która wybiera część sygnału każdego głośnika
5. Co to jest „ekstrakcja głośnika docelowego”?
   • Wyciągnięcie konkretnej osoby na podstawie krótkiej próbki referencyjnej jej głosu
   • Usuwanie wszystkich ludzkich głosów z nagrania
   • Liczenie, ilu jest obecnych mówców
   • Wzmacnianie muzyki w tle
6. Dlaczego dodanie wideo może pomóc w separacji mowy?
   • Wideo zmniejsza rozmiar pliku audio
   • Ruchy warg dostarczają wskazówek wizualnych, które pomagają dopasować dźwięk do odpowiedniego głośnika
   • Kamery automatycznie eliminują echo
   • Wideo eliminuje potrzebę przetwarzania dźwięku
7. What makes overlapping speech difficult for a separation system before it has analyzed the mixture?
   • The mixture contains no audio samples
   • Every speaker always occupies a separate frequency band
   • The number of speakers and which parts of the waveform belong to each speaker may be unknown
   • The recording already labels each word with its speaker
8. What cue can an early multi-microphone separation method use to distinguish speakers?
   • The spelling of each speaker's name
   • The color of the recording interface
   • The file's compression ratio alone
   • Spatial differences in how each voice reaches the microphone array