แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ
แบบทดสอบการแยกแยะวิทยากร
ตรวจสอบการแยกไดอะแกรมของผู้พูด ป้ายกำกับผู้พูดที่ไม่ระบุชื่อ การจัดการการทับซ้อนกัน และส่วนประกอบของอัตราข้อผิดพลาดในการแปลงไดอะแกรม ข้ามแบบแผนการให้คะแนนทั่วไป
คำถาม 1 ของ 8
Speaker diarization is often summarized by which question?
ดูตัวอย่างทุกคำถาม8 คำถาม
คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ
- Speaker diarization is often summarized by which question?
- พูดคำอะไร?
- มีการใช้ภาษาอะไร?
- ใครพูดเมื่อไร?
- น้ำเสียงมีอารมณ์อะไรบ้าง?
- การฝังลำโพงคืออะไร?
- สำเนาคำพูด
- การประทับเวลาบ่งบอกถึงความเงียบ
- รูปแบบการบีบอัดเสียง
- เวกเตอร์ที่มีความยาวคงที่ซึ่งแสดงถึงคุณลักษณะของเสียง
- ตัวชี้วัดใดที่ใช้กันทั่วไปในการประเมินระบบไดอะไรเซชัน
- อัตราความผิดพลาดในการแปลงไดอะไรเซชัน (DER)
- อัตราความผิดพลาดของคำ (WER)
- อัตราส่วนสัญญาณต่อเสียงรบกวน (SNR)
- อัตราเฟรม
- การแยกแยะมาตรฐานจำเป็นต้องรู้ชื่อจริงของผู้พูดล่วงหน้าหรือไม่?
- ใช่ จำเป็นต้องระบุชื่อเป็นอินพุต
- ไม่ โดยจะกำหนดป้ายกำกับที่ไม่ระบุตัวตน เช่น ลำโพง 1 และ ลำโพง 2
- ใช่ แต่เป็นเพียงวิทยากรคนแรกเท่านั้น
- ไม่ ข้อมูลประจำตัวจะแสดงออกมาอย่างครบถ้วนเสมอ
- 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
- โดยทั่วไปขั้นตอนใดจะเกิดขึ้นก่อนในไปป์ไลน์ไดอะไรเซชันแบบคลาสสิก
- การจัดกลุ่มการฝังลงในลำโพง
- การกำหนดชื่อจริง
- การแปลเสียง
- การตรวจจับกิจกรรมเสียงเพื่อค้นหาขอบเขตคำพูด
- 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
- 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