Ses Gömmeler ve Temsil Öğrenme Sınavı

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. Ses yerleştirme nedir?
   • Bir sesin anlamlı özelliklerini temsil eden sabit uzunluktaki sayı vektörü
   • Ses dosyasının sıkıştırılmış MP3 versiyonu
   • Konuşulan kelimelerin yazılı bir transkripti
   • Desibel cinsinden ölçülen ses seviyesi
2. Ses yerleştirmeler için kendi kendini denetleyen öğrenme neden bu kadar önemli?
   • Sesin bir stüdyoda kaydedilmesi gerekir
   • Etiketlenmemiş seslerden yararlı gösterimleri öğrenerek insan etiketleri ihtiyacını azaltır
   • Yalnızca müzikte çalışır, konuşmada değil
   • Mükemmel transkripsiyon doğruluğunu garanti eder
3. Wav2Vec 2.0 ön eğitim sırasında nasıl öğrenir?
   • Sesi Fransızcaya çevirerek
   • Her eğitim dosyasını tam olarak ezberleyerek
   • Ses aralıklarını maskeleyerek ve dikkat dağıtıcılar arasında doğru nicelenmiş birimi tahmin ederek
   • Her klibin dosya boyutunu ölçerek
4. CLAP gibi bir model, paylaşılan bir yerleştirme alanında neyi hizalar?
   • İki farklı video karesi
   • Pikseller ve renkli histogramlar
   • Pil seviyesi ve CPU kullanımı
   • Ses ve eşleşen metin açıklamaları
5. Sesi bir sinir ağına beslemeden önce sıklıkla hangi ortak dönüşüm uygulanır?
   • Bunu bir spektrograma veya öğrenilmiş filtre temsiline dönüştürme
   • Notalar olarak yazdırma
   • İnsan işitmesinin üzerindeki tüm frekansların kalıcı olarak silinmesi
   • Albüm kapağının JPEG görüntüsüne dönüştürme
6. Hangi gerçek dünya görevi doğrudan ses yerleştirmelerini karşılaştırmaya dayanır?
   • Bir şarkının satın alma fiyatını hesaplama
   • Konuşmacı günlüğü tutma, kimin ne zaman konuştuğunu bulma
   • Albüm kapağı resmini seçme
   • Ekran parlaklığını ayarlama
7. During contrastive audio-text training, what happens to a matching audio clip and its text description?
   • They are converted into the same raw waveform
   • The text embedding is discarded
   • Their embeddings are pulled closer while mismatched pairs are pushed apart
   • The audio is assigned a speaker name as a class label
8. Why can one self-supervised audio embedding be reused across several downstream tasks?
   • It stores the original waveform without compression
   • It contains a manually written label for every possible sound
   • It works only for one speaker and one recording
   • It captures general acoustic structure that can support tasks with little extra labeled data