Questionário vinculado ao guia · Médio Nível

Questionário de reconhecimento de emoções de fala

Verifica sinais acústicos, limites de conjuntos de dados, generalização entre corpus, ambiguidade de rótulos e a proibição restrita de local de trabalho e educação da UE.

Caminhos de guia relacionadosReconhecimento de emoções de fala
Pergunta 1 de 8

O que o Reconhecimento de Emoções de Fala analisa principalmente?

Visualize cada pergunta8 perguntas

As respostas e explicações aparecem conforme você responde ao teste.

  1. O que o Reconhecimento de Emoções de Fala analisa principalmente?
    • Características acústicas da voz, como tom e energia
    • As palavras literais em uma transcrição
    • A gramática da frase
    • As expressões faciais do locutor
  2. Which acoustic properties can speech-emotion models use as cues?
    • Only the spelling of transcribed words
    • Pitch, energy, speaking rate, and voice-quality features
    • A person’s job title
    • The number of speakers in a company
  3. Por que rotular dados emocionais é especialmente difícil?
    • Os arquivos de áudio são muito grandes para serem armazenados
    • Microfones não conseguem registrar emoções
    • A emoção é subjetiva e os anotadores humanos muitas vezes discordam
    • As emoções nunca aparecem na fala
  4. Qual destes é um conjunto de dados de fala emocional bem conhecido?
    • ImageNet
    • COCO
    • ESQUADRÃO
    • IEMOCAP
  5. Como os sistemas SER modernos muitas vezes aproveitam dados rotulados limitados?
    • Ajustando modelos auto-supervisionados como wav2vec 2.0
    • Evitando totalmente as redes neurais
    • Usando apenas regras manuscritas
    • Gravando primeiro milhões de novos clipes emocionais
  6. What does the EU AI Act prohibit regarding emotion recognition?
    • All emotion-related research in any setting
    • Inferring emotions in workplace or educational settings, except for medical or safety reasons
    • Every voice assistant that detects speech
    • Any system that transcribes spoken words
  7. Why can a speech-emotion model trained on one dataset fail on another?
    • Emotion labels are identical across every corpus
    • Microphone and speaker differences never affect audio
    • Speakers, language, recording conditions, elicitation, and label distributions can differ
    • A trained model cannot process new recordings
  8. What is one limitation of treating a speech-emotion prediction as a person’s true internal state?
    • Acoustic features contain no information
    • A predicted label is a clinical diagnosis by default
    • The same voice always expresses the same emotion
    • A model infers patterns from audio and may not reflect the speaker’s context or self-report