Вікторина, пов’язана з посібником · Середній Рівень
Вікторина з субтитрами
Перегляньте аудіоописи та транскрипцію мовлення з Clotho та AudioCaps, субтитрами кодера-декодера, оцінкою CIDEr та оригінальними посиланнями на Clotho.
Питання 1 з 8
Чим звукові субтитри відрізняються від автоматичного розпізнавання мовлення?
Перегляньте кожне запитання8 запитання
Відповіді та пояснення з’являються під час виконання тесту.
- Чим звукові субтитри відрізняються від автоматичного розпізнавання мовлення?
- Працює лише на тиші
- Він повільніший, але ідентичний на виході
- Він описує загальну акустичну сцену, а не транскрибує вимовлені слова
- Він перетворює текст на аудіо
- Which published datasets supply general-audio descriptions for captioning in this guide?
- MNIST and CIFAR only
- Clotho і AudioCaps
- A mandatory bank-transaction table
- Only a raw network-password list
- 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
- Чому аудіосубтитри важливі для доступності?
- Він описує немовні звуки для глухих і слабочуючих користувачів
- Збільшує гучність звуку
- Він видаляє фоновий шум
- Він шифрує аудіо
- Which reference-comparison metric does the Clotho paper use among its caption evaluations?
- RGB color values
- СИДР
- Audio sample rate alone
- Only a decibel reading
- Що є основною поточною проблемою в аудіотитрах?
- Аудіофайли замалі для обробки
- Немає доступних наборів даних
- Підписи можуть складатися лише з одного слова
- Створення описів, які є водночас точними та уникають галюцинованих деталей
- How many reference captions per audio file does the original Clotho paper report?
- П'ять
- Один
- Fifteen
- сто
- How many log-mel-band features form each input frame in the original Clotho baseline described in the paper?
- 8
- 20
- 64
- 256