Вікторина, пов’язана з посібником · Середній Рівень

Вікторина про діаризацію спікера

Ознайомтеся з діарізацією доповідача, мітками анонімного доповідача, обробкою накладень і компонентами частоти помилок у діарізації. через загальні правила підрахунку балів.

Пов'язані напрямні шляхиДіаризація спікера
Питання 1 з 8

Speaker diarization is often summarized by which question?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. Speaker diarization is often summarized by which question?
    • Які слова були сказані?
    • Яка мова використовується?
    • Хто коли говорив?
    • Яка емоція в голосі?
  2. Що таке вбудовування динаміка?
    • Стенограма виступу
    • Мітка часу, що позначає тишу
    • Формат стиснення аудіо
    • Вектор фіксованої довжини, що представляє характеристики голосу
  3. Який показник зазвичай використовується для оцінки систем діаризації?
    • Частота помилок діаризації (DER)
    • Рівень помилок у слові (WER)
    • Відношення сигнал/шум (SNR)
    • Частота кадрів
  4. Чи потрібно для стандартного щоденника заздалегідь знати справжні імена спікерів?
    • Так, імена потрібні як вхідні дані
    • Ні, він призначає анонімні мітки, як-от Доповідач 1 і Доповідач 2
    • Так, але тільки перший спікер
    • Ні, він завжди виводить повні ідентифікатори
  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. Який крок зазвичай є першим у класичному конвеєрі діаризації?
    • Кластеризація вбудовувань у колонки
    • Присвоєння справжніх імен
    • Переклад аудіо
    • Виявлення голосової активності для пошуку областей мовлення
  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