แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบการรู้จำของผู้พูด ECAPA-TDNN

สำรวจการฝังลำโพง ECAPA-TDNN, ความสนใจของช่องสัญญาณ, การรวมคุณสมบัติ, การรวมกลุ่มอย่างเอาใจใส่, การให้คะแนนโคไซน์ และการวัดประสิทธิภาพลำโพง

เส้นทางแนะนำที่เกี่ยวข้องการจดจำวิทยากรของ Ecapa Tdnn
คำถาม 1 ของ 8

เอาต์พุตหลักของโมเดล ECAPA-TDNN สำหรับคลิปคำพูดที่ระบุคืออะไร

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. เอาต์พุตหลักของโมเดล ECAPA-TDNN สำหรับคลิปคำพูดที่ระบุคืออะไร
    • การฝังลำโพงที่มีความยาวคงที่ (พิมพ์เสียง)
    • สำเนาคำพูดที่พูด
    • ป้ายบอกอารมณ์ของผู้พูด
    • รูปคลื่นเสียงที่ถูกปฏิเสธ
  2. โดยทั่วไปแล้วการฝัง ECAPA-TDNN สองรายการจะเปรียบเทียบกันอย่างไรเพื่อตัดสินว่าเป็นของผู้พูดคนเดียวกันหรือไม่
    • อัตราข้อผิดพลาดของคำ
    • ความคล้ายคลึงโคไซน์
    • ความแตกต่างของพิกเซลกำลังสองเฉลี่ย
    • แก้ไขระยะทาง
  3. เลเยอร์ 'การรวมสถิติที่ตั้งใจ' ทำหน้าที่อะไร
    • ลบเพลงพื้นหลังก่อนที่จะจดจำ
    • แปลคำพูดเป็นภาษาอื่น
    • คำนวณค่าเฉลี่ยถ่วงน้ำหนักและส่วนเบี่ยงเบนมาตรฐานที่เรียนรู้ไว้บนเฟรม
    • เพิ่มอัตราตัวอย่างเสียง
  4. ชุดข้อมูลใดที่ใช้กันมากที่สุดในการฝึกและเปรียบเทียบลำโพงรุ่น ECAPA-TDNN
    • อิมเมจเน็ต
    • คำบรรยาย LibriSpeech เท่านั้น
    • มินนิสต์
    • Voxเซเลบ
  5. บล็อก 'SE' (Squeeze-Excitation) มีส่วนช่วยในด้านสถาปัตยกรรมอย่างไร
    • โดยจะปรับน้ำหนักช่องรายการต่างๆ ตามบริบททั่วโลก
    • มันบีบอัดไฟล์เสียงเพื่อจัดเก็บ
    • มันทำการถอดรหัสคำพูดเป็นข้อความ
    • มันสร้างเสียงการฝึกสังเคราะห์
  6. ฟังก์ชันการสูญเสียใดที่มักใช้ในการฝึก ECAPA-TDNN สำหรับการฝังแบบเลือกปฏิบัติ
    • หมายถึงข้อผิดพลาดแน่นอน
    • softmax ระยะขอบเชิงมุมบวก (AAM-softmax)
    • การสูญเสียพิกเซลที่ตรงกันข้าม
    • การจำแนกประเภทชั่วคราวของ Connectionist เท่านั้น
  7. Which ECAPA-TDNN component combines information from shallow and deep network layers?
    • A residual vector quantizer
    • A weighted finite-state transducer
    • Multi-layer feature aggregation
    • A text normalization grammar
  8. On which benchmark does the guide report ECAPA-TDNN reaching an equal error rate below roughly one percent?
    • ASVspoof 2021
    • LibriSpeech test-clean
    • Common Voice
    • VoxCeleb1