แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ
แบบทดสอบการประเมินคะแนนความคิดเห็นเฉลี่ย
เรียนรู้ว่าโปรโตคอลการให้คะแนนโดยผู้ฟังสร้าง MOS อย่างไร, เงื่อนไขการศึกษาใดที่ส่งผลต่อคะแนน, และที่ไหนที่ตัวทำนายอาจล้มเหลวในหลายการศึกษา
คำถาม 1 ของ 8
คะแนนความคิดเห็นเฉลี่ย 5 แสดงถึงอะไรในระดับมาตรฐาน
ดูตัวอย่างทุกคำถาม8 คำถาม
คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ
- คะแนนความคิดเห็นเฉลี่ย 5 แสดงถึงอะไรในระดับมาตรฐาน
- คุณภาพเยี่ยม
- คุณภาพไม่ดี
- คุณภาพยุติธรรม
- เสียงที่ไม่ได้รับการจัดอันดับ
- Why do MOS studies collect ratings from multiple listeners?
- เพื่อให้ค่าสอบถูกลง
- To estimate the average opinion and variability across listeners
- เพราะคนหนึ่งคนไม่ได้ยินเสียง
- เพื่อเพิ่มบิตเรต
- องค์กรใดกำหนดมาตรฐานวิธีการ MOS ดั้งเดิมสำหรับคุณภาพเสียง
- อย
- นาซ่า
- ITU (ในคำแนะนำ P.800)
- W3C
- ข้อจำกัดที่สำคัญในการเปรียบเทียบค่า MOS จากการศึกษาสองเรื่องที่แยกกันคืออะไร
- MOS สามารถวัดได้เพียงครั้งเดียว
- MOS ต้องการฮาร์ดแวร์พิเศษที่ไม่มีอยู่
- MOS ใช้งานได้กับเพลงเท่านั้น ไม่ใช่คำพูด
- คะแนนจะยึดตามคลิปและคำแนะนำของแต่ละเซสชัน ดังนั้นจึงไม่สามารถเปรียบเทียบโดยตรงได้
- ตัวทำนาย MOS อัตโนมัติเช่น DNSMOS หรือ UTMOS แก้ปัญหาอะไรได้บ้าง
- พวกเขาประเมินคะแนนคุณภาพโดยไม่ต้องทดสอบการฟังของมนุษย์ที่ช้าและมีค่าใช้จ่ายสูง
- พวกเขาทำให้เสียงดังขึ้น
- พวกเขาเข้ามาแทนที่ความต้องการไมโครโฟน
- พวกเขาบีบอัดไฟล์เสียง
- What limitation can affect MOS comparisons among systems with very high ratings?
- The scale changes from 1–5 to 1–10 automatically
- Ceiling effects can compress differences near the top of the bounded scale
- ผู้ฟังปฏิเสธที่จะให้คะแนนเสียง AI
- MOS only measures volume
- In Comparison Category Rating (CCR), what do listeners judge?
- Each sample’s absolute quality with no comparison
- The number of words in a transcript
- The quality difference between compared samples
- The bitrate of the audio file
- What generalization limitation did the VoiceMOS Challenge 2022 report for MOS predictors?
- They cannot process speech samples
- They only output integer scores from 1 to 5
- They work only when no human ratings exist
- Predicting ratings for unseen speakers, listeners, or systems can be difficult