แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบคำบรรยายเสียง

ตรวจสอบคำอธิบายเสียงและการถอดเสียงคำพูดด้วย Clotho และ AudioCaps คำอธิบายภาพตัวเข้ารหัส-ตัวถอดรหัส การประเมิน CIDEr และการอ้างอิง Clotho ต้นฉบับ

เส้นทางแนะนำที่เกี่ยวข้องคำบรรยายเสียง
คำถาม 1 ของ 8

คำบรรยายเสียงแตกต่างจากการรู้จำเสียงอัตโนมัติอย่างไร

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. คำบรรยายเสียงแตกต่างจากการรู้จำเสียงอัตโนมัติอย่างไร
    • มันใช้งานได้เฉพาะในความเงียบเท่านั้น
    • มันช้ากว่าแต่ก็เหมือนกันในเอาต์พุต
    • โดยจะอธิบายฉากอะคูสติกโดยรวมมากกว่าการถอดเสียงคำพูด
    • มันแปลงข้อความเป็นเสียง
  2. ชุดข้อมูลที่เผยแพร่ใดที่มีคำอธิบายเสียงทั่วไปสำหรับคำบรรยายในคู่มือนี้
    • MNIST and CIFAR only
    • Clotho และ AudioCaps
    • A mandatory bank-transaction table
    • Only a raw network-password list
  3. สถาปัตยกรรมใดที่พื้นฐาน Clotho ดั้งเดิมที่อ้างถึงใช้เพื่อสร้างคำบรรยายจากฟีเจอร์เสียง
    • 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. เหตุใดคำบรรยายเสียงจึงมีคุณค่าต่อการเข้าถึง
    • โดยจะอธิบายเสียงที่ไม่ใช่คำพูดสำหรับผู้ใช้ที่หูหนวกและมีปัญหาในการได้ยิน
    • มันเพิ่มระดับเสียง
    • มันจะลบเสียงรบกวนพื้นหลัง
    • มันเข้ารหัสเสียง
  5. เอกสาร Clotho ใช้เมตริกการเปรียบเทียบการอ้างอิงใดในการประเมินคำบรรยาย
    • RGB color values
    • ไซเดอร์
    • Audio sample rate alone
    • Only a decibel reading
  6. อะไรคือความท้าทายที่สำคัญอย่างต่อเนื่องในคำบรรยายเสียง?
    • ไฟล์เสียงมีขนาดเล็กเกินกว่าจะประมวลผลได้
    • ไม่มีชุดข้อมูล
    • คำบรรยายต้องมีความยาวได้เพียงคำเดียวเท่านั้น
    • การสร้างคำอธิบายที่มีทั้งความถูกต้องและหลีกเลี่ยงรายละเอียดที่ทำให้เกิดภาพหลอน
  7. How many reference captions per audio file does the original Clotho paper report?
    • ห้า
    • หนึ่ง
    • Fifteen
    • หนึ่งร้อย
  8. How many log-mel-band features form each input frame in the original Clotho baseline described in the paper?
    • 8
    • 20
    • 64
    • 256