Викторина, связанная с руководством · Средний Уровень

Викторина по изучению эмбедирования и представления аудио

Узнайте, как встраивание звука кодирует звук, как контрастное обучение связывает звук и текст и как изученные векторы передаются между задачами.

Связанные направляющие путиВстраивание аудио и обучение представлениям
Вопрос 1 из 8

Что такое встраивание звука?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. Что такое встраивание звука?
    • Вектор чисел фиксированной длины, представляющий значимые характеристики звука.
    • Сжатая версия аудиофайла в формате MP3.
    • Письменная расшифровка произнесенных слов
    • Уровень громкости, измеряемый в децибелах
  2. Почему самообучение так важно для встраивания аудио?
    • Требуется запись звука в студии.
    • Он изучает полезные представления из неразмеченного аудио, уменьшая потребность в человеческих метках.
    • Работает только с музыкой, а не с речью.
    • Это гарантирует идеальную точность транскрипции.
  3. Как Wav2Vec 2.0 обучается во время предварительного обучения?
    • Переведя аудио на французский язык
    • Точно запоминая каждый тренировочный файл
    • Маскируя промежутки звука и предсказывая правильную квантованную единицу среди отвлекающих факторов.
    • Измеряя размер файла каждого клипа
  4. Что такая модель, как CLAP, выравнивает в общем пространстве внедрения?
    • Два разных видеокадра
    • Пиксели и цветовые гистограммы
    • Уровень заряда батареи и загрузка процессора
    • Аудио и соответствующие текстовые описания
  5. Какое обычное преобразование часто применяется перед подачей звука в нейронную сеть?
    • Преобразование его в спектрограмму или представление изученного фильтра.
    • Распечатаю как ноты
    • Удаление всех частот выше человеческого слуха навсегда
    • Преобразование его в изображение обложки альбома в формате JPEG.
  6. Какая реальная задача напрямую зависит от сравнения эмбедирования звука?
    • Расчет покупной цены песни
    • Диаризация спикера, выяснение, кто и когда говорил
    • Выбор обложки альбома
    • Настройка яркости экрана
  7. During contrastive audio-text training, what happens to a matching audio clip and its text description?
    • They are converted into the same raw waveform
    • The text embedding is discarded
    • Their embeddings are pulled closer while mismatched pairs are pushed apart
    • The audio is assigned a speaker name as a class label
  8. Why can one self-supervised audio embedding be reused across several downstream tasks?
    • It stores the original waveform without compression
    • It contains a manually written label for every possible sound
    • It works only for one speaker and one recording
    • It captures general acoustic structure that can support tasks with little extra labeled data