Rehber bağlantılı sınav · Orta Seviye

Ses Altyazısı Testi

Clotho ve AudioCaps, kodlayıcı-kod çözücü altyazıları, CIDEr değerlendirmesi ve orijinal Clotho referanslarıyla sesli açıklamaları ve konuşma transkripsiyonunu inceleyin.

İlgili kılavuz yollarıSes Altyazısı
Soru 1 arasında 8

Ses altyazısının otomatik konuşma tanımadan farkı nedir?

Her soruyu önizleyin8 sorular

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

  1. Ses altyazısının otomatik konuşma tanımadan farkı nedir?
    • Sadece sessizlikte çalışır
    • Daha yavaştır ancak çıktıda aynıdır
    • Konuşulan kelimeleri yazıya dökmek yerine genel akustik sahneyi tanımlar
    • Metni sese dönüştürür
  2. Which published datasets supply general-audio descriptions for captioning in this guide?
    • MNIST and CIFAR only
    • Clotho ve AudioCaps
    • A mandatory bank-transaction table
    • Only a raw network-password list
  3. What architecture does the cited original Clotho baseline use to produce caption words from audio features?
    • Only a fixed filename lookup
    • Only a volume meter with no text output
    • Only an unchanged grammar rule list
    • An encoder-decoder scheme with attention
  4. Sesli altyazı erişilebilirlik açısından neden değerlidir?
    • Sağır ve işitme güçlüğü olan kullanıcılar için konuşma dışı sesleri açıklar
    • Ses seviyesini artırır
    • Arka plan gürültüsünü siler
    • Sesi şifreler
  5. Which reference-comparison metric does the Clotho paper use among its caption evaluations?
    • RGB color values
    • Cideci
    • Audio sample rate alone
    • Only a decibel reading
  6. Sesli altyazı oluşturmada devam eden büyük zorluk nedir?
    • Ses dosyaları işlenemeyecek kadar küçük
    • Kullanılabilir veri kümesi yok
    • Altyazılar yalnızca bir kelime uzunluğunda olabilir
    • Hem doğru hem de halüsinasyonlu ayrıntılardan kaçınan açıklamalar üretmek
  7. How many reference captions per audio file does the original Clotho paper report?
    • Beş
    • Bir
    • Fifteen
    • Yüz
  8. How many log-mel-band features form each input frame in the original Clotho baseline described in the paper?
    • 8
    • 20
    • 64
    • 256