แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ
การลดเสียงรบกวนด้วย RNNoise Quiz
ตรวจสอบการออกแบบ DSP-plus-neural ขนาดกะทัดรัดของ RNNoise แถบการรับรู้ การทำนายอัตราขยายซ้ำ การกรองระดับเสียง และการจัดการเฟรมสัญญาณรบกวน
คำถาม 1 ของ 8
RNNoise ทำนายอะไรในแต่ละเฟรมเสียงสั้นๆ เป็นหลัก
ดูตัวอย่างทุกคำถาม8 คำถาม
คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ
- RNNoise ทำนายอะไรในแต่ละเฟรมเสียงสั้นๆ เป็นหลัก
- อัตราขยาย (0 ถึง 1) สำหรับแต่ละย่านความถี่ประมาณ 22 ย่าน
- สำเนาคำพูด
- ตัวตนของผู้พูด
- ภาษาที่กำลังพูดอยู่
- โครงข่ายประสาทเทียมประเภทใดที่เป็นแกนหลักของ RNNoise
- หม้อแปลงไฟฟ้าขนาดใหญ่
- เครือข่ายที่เกิดซ้ำขนาดเล็กที่ใช้ GRU
- ตัวแยกประเภทภาพแบบหมุนวน
- รูปแบบการแพร่กระจาย
- เหตุใด RNNoise จึงใช้คลื่นความถี่ในการรับรู้แทนช่องสเปกตรัมดิบ
- เพื่อให้เครือข่ายมีขนาดใหญ่และแม่นยำ
- ในการแปลเสียงเป็นข้อความ
- เพื่อให้โมเดลมีขนาดเล็กและลดเสียงรบกวนทางดนตรี
- เพื่อเพิ่มอัตราตัวอย่าง
- รุ่น RNNoise มีขนาดใหญ่ประมาณเท่าใด
- ประมาณ 1 พันล้านพารามิเตอร์
- ประมาณ 50 ล้านพารามิเตอร์
- ไม่มีพารามิเตอร์ที่สามารถเรียนรู้ได้
- น้ำหนักประมาณ 85,000 อัน
- บทบาทของตัวกรองระดับเสียงใน RNNoise คืออะไร?
- เพื่อขจัดเสียงรบกวนที่ตกค้างระหว่างเสียงประสานของเสียงพูด
- เพื่อเพิ่มระดับเสียงของผู้พูด
- เพื่อตรวจจับอายุของผู้พูด
- เพื่อบีบอัดไฟล์
- แอปพลิเคชันยอดนิยมใดที่มี RNNoise เป็นตัวเลือกในการลดเสียงรบกวนในตัว
- Microsoft เอ็กเซล
- โอบีเอส สตูดิโอ
- อะโดบี โฟโต้ช็อป
- เครื่องตรวจการสะกดของเว็บเบราว์เซอร์
- Which hand-crafted features does RNNoise feed to its recurrent network?
- Image color histograms and edge maps
- Wordpiece embeddings and attention masks
- Band energies, pitch period, and pitch correlation
- Speaker names and calendar timestamps
- What does RNNoise’s separate voice-activity output help the system do?
- Identify the speaker by name
- Choose the bitrate of an audio codec
- Translate the speech into another language
- Gate the band gains during frames containing only noise