Questionário sobre legendagem de áudio

As respostas e explicações aparecem conforme você responde ao teste.

1. Como a legenda de áudio difere do reconhecimento automático de fala?
   • Só funciona no silêncio
   • É mais lento, mas idêntico na saída
   • Descreve a cena acústica geral em vez de transcrever palavras faladas
   • Ele converte texto em áudio
2. Which published datasets supply general-audio descriptions for captioning in this guide?
   • MNIST and CIFAR only
   • Clotho e AudioCaps
   • A mandatory bank-transaction table
   • Only a raw network-password list
3. What architecture does the cited original Clotho baseline use to produce caption words from audio features?
   • Only a fixed filename lookup
   • Only a volume meter with no text output
   • Only an unchanged grammar rule list
   • An encoder-decoder scheme with attention
4. Por que a legendagem de áudio é valiosa para acessibilidade?
   • Ele descreve sons não falados para usuários surdos e com deficiência auditiva
   • Aumenta o volume do áudio
   • Elimina o ruído de fundo
   • Ele criptografa o áudio
5. Which reference-comparison metric does the Clotho paper use among its caption evaluations?
   • RGB color values
   • CIDE
   • Audio sample rate alone
   • Only a decibel reading
6. Qual é o principal desafio contínuo na legendagem de áudio?
   • Os arquivos de áudio são muito pequenos para serem processados
   • Não há conjuntos de dados disponíveis
   • As legendas só podem ter uma palavra
   • Produzir descrições precisas e que evitem detalhes alucinados
7. How many reference captions per audio file does the original Clotho paper report?
   • Cinco
   • Um
   • Fifteen
   • Cem
8. How many log-mel-band features form each input frame in the original Clotho baseline described in the paper?
   • 8
   • 20
   • 64
   • 256