แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ
แบบทดสอบการเรียนรู้การฝังเสียงและการเป็นตัวแทน
ตรวจสอบว่าการฝังเสียงเข้ารหัสเสียงอย่างไร การฝึกอบรมเชิงเปรียบเทียบเชื่อมโยงเสียงและข้อความอย่างไร และวิธีที่เรียนรู้ถ่ายโอนเวกเตอร์ข้ามงานต่างๆ
คำถาม 1 ของ 8
การฝังเสียงคืออะไร?
ดูตัวอย่างทุกคำถาม8 คำถาม
คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ
- การฝังเสียงคืออะไร?
- เวกเตอร์ตัวเลขที่มีความยาวคงที่ซึ่งแสดงถึงลักษณะที่มีความหมายของเสียง
- ไฟล์เสียงเวอร์ชัน MP3 ที่ถูกบีบอัด
- สำเนาคำพูดที่เป็นลายลักษณ์อักษร
- ระดับเสียงที่วัดเป็นเดซิเบล
- เหตุใดการเรียนรู้ด้วยตนเองจึงมีความสำคัญสำหรับการฝังเสียง
- จำเป็นต้องมีการบันทึกเสียงในสตูดิโอ
- เรียนรู้การนำเสนอที่เป็นประโยชน์จากเสียงที่ไม่มีป้ายกำกับ ช่วยลดความจำเป็นในการใช้ป้ายกำกับของมนุษย์
- ใช้ได้กับดนตรีเท่านั้น ไม่ใช่คำพูด
- รับประกันความแม่นยำในการถอดเสียงที่สมบูรณ์แบบ
- Wav2Vec 2.0 เรียนรู้อย่างไรระหว่างการฝึกล่วงหน้า?
- โดยการแปลเสียงเป็นภาษาฝรั่งเศส
- โดยจดจำไฟล์การฝึกทุกไฟล์ได้อย่างแม่นยำ
- ด้วยการปิดบังช่วงเสียงและทำนายหน่วยปริมาณที่ถูกต้องในหมู่ผู้รบกวน
- โดยการวัดขนาดไฟล์ของแต่ละคลิป
- โมเดลอย่าง CLAP จัดตำแหน่งอย่างไรในพื้นที่ฝังที่ใช้ร่วมกัน
- สองเฟรมวิดีโอที่แตกต่างกัน
- พิกเซลและฮิสโตแกรมสี
- ระดับแบตเตอรี่และการใช้งาน CPU
- คำอธิบายเสียงและข้อความที่ตรงกัน
- ก่อนที่จะส่งเสียงไปยังโครงข่ายประสาทเทียม การแปลงทั่วไปใดบ้างที่มักใช้
- การแปลงเป็นสเปกโตรแกรมหรือการแสดงตัวกรองที่เรียนรู้
- พิมพ์เป็นแผ่นเพลง
- การลบความถี่ทั้งหมดที่อยู่เหนือการได้ยินของมนุษย์อย่างถาวร
- แปลงเป็นภาพ JPEG ของปกอัลบั้ม
- งานใดในโลกแห่งความเป็นจริงที่ต้องอาศัยการเปรียบเทียบการฝังเสียงโดยตรง
- การคำนวณราคาซื้อเพลง
- การเสียดสีผู้พูด การหาว่าใครพูดเมื่อใด
- การเลือกอาร์ตเวิร์กปกอัลบั้ม
- การตั้งค่าความสว่างหน้าจอ
- 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
- 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