แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบการแยกแยะวิทยากร

ตรวจสอบการแยกไดอะแกรมของผู้พูด ป้ายกำกับผู้พูดที่ไม่ระบุชื่อ การจัดการการทับซ้อนกัน และส่วนประกอบของอัตราข้อผิดพลาดในการแปลงไดอะแกรม ข้ามแบบแผนการให้คะแนนทั่วไป

เส้นทางแนะนำที่เกี่ยวข้องการแยกเสียงของลำโพง
คำถาม 1 ของ 8

Speaker diarization is often summarized by which question?

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. Speaker diarization is often summarized by which question?
    • พูดคำอะไร?
    • มีการใช้ภาษาอะไร?
    • ใครพูดเมื่อไร?
    • น้ำเสียงมีอารมณ์อะไรบ้าง?
  2. การฝังลำโพงคืออะไร?
    • สำเนาคำพูด
    • การประทับเวลาบ่งบอกถึงความเงียบ
    • รูปแบบการบีบอัดเสียง
    • เวกเตอร์ที่มีความยาวคงที่ซึ่งแสดงถึงคุณลักษณะของเสียง
  3. ตัวชี้วัดใดที่ใช้กันทั่วไปในการประเมินระบบไดอะไรเซชัน
    • อัตราความผิดพลาดในการแปลงไดอะไรเซชัน (DER)
    • อัตราความผิดพลาดของคำ (WER)
    • อัตราส่วนสัญญาณต่อเสียงรบกวน (SNR)
    • อัตราเฟรม
  4. การแยกแยะมาตรฐานจำเป็นต้องรู้ชื่อจริงของผู้พูดล่วงหน้าหรือไม่?
    • ใช่ จำเป็นต้องระบุชื่อเป็นอินพุต
    • ไม่ โดยจะกำหนดป้ายกำกับที่ไม่ระบุตัวตน เช่น ลำโพง 1 และ ลำโพง 2
    • ใช่ แต่เป็นเพียงวิทยากรคนแรกเท่านั้น
    • ไม่ ข้อมูลประจำตัวจะแสดงออกมาอย่างครบถ้วนเสมอ
  5. 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
  6. โดยทั่วไปขั้นตอนใดจะเกิดขึ้นก่อนในไปป์ไลน์ไดอะไรเซชันแบบคลาสสิก
    • การจัดกลุ่มการฝังลงในลำโพง
    • การกำหนดชื่อจริง
    • การแปลเสียง
    • การตรวจจับกิจกรรมเสียงเพื่อค้นหาขอบเขตคำพูด
  7. 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
  8. 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