Викторина, связанная с руководством · Средний Уровень

Викторина по диаризации спикеров

Просмотрите диаризацию говорящих, анонимные ярлыки говорящих, обработку дублирования и компоненты частоты ошибок диаризации. в соответствии с общими соглашениями о подсчете очков.

Связанные направляющие путиДиаризизация спикера
Вопрос 1 из 8

Speaker diarization is often summarized by which question?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. Speaker diarization is often summarized by which question?
    • Какие слова были произнесены?
    • Какой язык используется?
    • Кто когда говорил?
    • Какая эмоция в голосе?
  2. Что такое встраивание динамика?
    • Стенограмма выступления
    • Временная метка, обозначающая тишину
    • Формат сжатия аудио.
    • Вектор фиксированной длины, представляющий характеристики голоса.
  3. Какая метрика обычно используется для оценки систем диаризации?
    • Коэффициент ошибок диаризации (DER)
    • Коэффициент ошибок в словах (WER)
    • Отношение сигнал/шум (SNR)
    • Частота кадров
  4. Требуется ли при стандартной диаризации заранее знать настоящие имена говорящих?
    • Да, имена необходимы в качестве входных данных
    • Нет, он присваивает анонимные ярлыки, такие как «Спикер 1» и «Спикер 2».
    • Да, но только первый выступающий
    • Нет, он всегда выводит полные данные
  5. What problem does permutation-invariant training solve in end-to-end neural diarization?
    • It removes the need for an audio signal
    • It evaluates speaker outputs over permutations so arbitrary output-label order does not affect training
    • It identifies a person’s legal name from their voice
    • It forces the model to use exactly one speaker channel
  6. Какой шаг обычно происходит первым в классической процедуре диаризации?
    • Кластеризация вложений в динамики
    • Присвоение настоящих имен
    • Перевод аудио
    • Обнаружение голосовой активности для поиска речевых областей
  7. Which error categories commonly make up Diarization Error Rate?
    • Missed speech, false alarm speech and speaker confusion
    • Word error, punctuation and translation error
    • Only missed speech
    • Pitch, loudness and speaking rate
  8. How can an end-to-end diarization model represent simultaneous speakers?
    • By forcing every frame to contain exactly one speaker
    • By predicting multiple active speaker labels for the same time region
    • By assigning real names to all voices
    • By deleting overlap before analysis