Викторина по созданию аудиосубтитров

Ответы и пояснения появляются по мере прохождения теста.

1. Чем субтитры отличаются от автоматического распознавания речи?
   • Это работает только в тишине
   • Это медленнее, но по производительности идентично
   • Он описывает общую акустическую сцену, а не расшифровывает произнесенные слова.
   • Он преобразует текст в аудио
2. Which published datasets supply general-audio descriptions for captioning in this guide?
   • MNIST and CIFAR only
   • Clotho и 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. Почему субтитры важны для доступности?
   • Описывает неречевые звуки для глухих и слабослышащих пользователей.
   • Увеличивает громкость звука
   • Удаляет фоновый шум
   • Он шифрует звук
5. Which reference-comparison metric does the Clotho paper use among its caption evaluations?
   • RGB color values
   • СИДР
   • Audio sample rate alone
   • Only a decibel reading
6. В чем заключается основная проблема, связанная с созданием субтитров?
   • Аудиофайлы слишком малы для обработки
   • Нет доступных наборов данных
   • Подпись может состоять только из одного слова
   • Создание описаний, которые являются точными и избегают галлюцинаторных деталей.
7. How many reference captions per audio file does the original Clotho paper report?
   • Пять
   • Один
   • Fifteen
   • Сто
8. How many log-mel-band features form each input frame in the original Clotho baseline described in the paper?
   • 8
   • 20
   • 64
   • 256