Викторина, связанная с руководством · Средний Уровень

Извлечение аудиофункций с помощью Librosa Quiz

Изучите функции Librosa и варианты кадрирования, а также предотвратите ошибки частоты дискретизации, формы, нормализации и разделения данных в многоразовых конвейерах машинного обучения.

Связанные направляющие путиИзвлечение аудиофункций Librosa
Вопрос 1 из 8

Какое семейство функций суммирует информацию о спектральной огибающей с помощью банка фильтров mel и косинусного преобразования?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. Какое семейство функций суммирует информацию о спектральной огибающей с помощью банка фильтров mel и косинусного преобразования?
    • Chroma vectors
    • Onset-strength envelopes
    • MFCCs
    • Raw STFT phase angles
  2. What does a chroma representation commonly aggregate?
    • Energy in each distinct absolute-frequency bin without octave folding
    • Energy by pitch class
    • The time intervals between successive amplitude peaks
    • Cepstral coefficients describing the spectral envelope
  3. Какая настройка управляет интервалом между последовательными кадрами анализа?
    • Window length alone
    • Number of mel bands
    • Number of cepstral coefficients
    • Hop length
  4. Почему сигнал необходимо преобразовывать при повторной выборке?
    • Changing only the metadata does not create samples at the new rate
    • Relabeling samples alone always preserves playback pitch at any rate
    • A new sample-rate field automatically applies anti-alias filtering
    • Repeatedly copying samples is equivalent to every proper resampling method
  5. Почему статистику нормализации функций следует использовать только для обучающих данных?
    • To guarantee that every normalized feature is Gaussian
    • To make preprocessing independent of the fitting data
    • To prevent validation or test information from influencing preprocessing
    • To permit a different learned normalization at inference without validation
  6. Какая информация отбрасывается, когда STFT уменьшается до величины?
    • Sampling rate
    • Phase
    • Time-frame count
    • Frequency-bin count
  7. Which statement about onset strength is accurate?
    • It detects every onset at an exact boundary
    • It measures only frame loudness
    • It returns tempo-independent beat labels
    • It summarizes changes associated with likely attacks but is not a guaranteed event detector
  8. Why group recordings by speaker or session before splitting overlapping windows?
    • Related windows can otherwise leak across training and validation
    • Window overlap guarantees independence once labels are shuffled
    • Grouping changes the waveform's sample rate
    • A source identifier alone removes every correlation between related windows