آڈیو کیپشننگ کوئز

جب آپ کوئز دیتے ہیں تو جوابات اور وضاحتیں ظاہر ہوتی ہیں۔

1. آڈیو کیپشن خودکار اسپیچ ریکگنیشن سے کیسے مختلف ہے؟
   • یہ صرف خاموشی پر کام کرتا ہے۔
   • یہ سست ہے لیکن آؤٹ پٹ میں ایک جیسی ہے۔
   • یہ بولے گئے الفاظ کو نقل کرنے کے بجائے مجموعی صوتی منظر کو بیان کرتا ہے۔
   • یہ متن کو آڈیو میں تبدیل کرتا ہے۔
2. Which published datasets supply general-audio descriptions for captioning in this guide?
   • MNIST and CIFAR only
   • کلاتھو اور آڈیو کیپس
   • 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. رسائی کے لیے آڈیو کیپشننگ کیوں قیمتی ہے؟
   • یہ بہرے اور سننے والے صارفین کے لیے غیر تقریری آوازوں کی وضاحت کرتا ہے۔
   • یہ آڈیو والیوم کو بڑھاتا ہے۔
   • یہ پس منظر کے شور کو حذف کرتا ہے۔
   • یہ آڈیو کو خفیہ کرتا ہے۔
5. Which reference-comparison metric does the Clotho paper use among its caption evaluations?
   • RGB color values
   • CIDER
   • Audio sample rate alone
   • Only a decibel reading
6. آڈیو کیپشننگ میں ایک بڑا جاری چیلنج کیا ہے؟
   • آڈیو فائلیں کارروائی کے لیے بہت چھوٹی ہیں۔
   • کوئی ڈیٹا سیٹ دستیاب نہیں ہے۔
   • سرخیاں صرف ایک لفظ کی ہو سکتی ہیں۔
   • ایسی وضاحتیں تیار کرنا جو درست ہوں اور فریب کی تفصیلات سے بچیں۔
7. How many reference captions per audio file does the original Clotho paper report?
   • پانچ
   • ایک
   • Fifteen
   • ایک سو
8. How many log-mel-band features form each input frame in the original Clotho baseline described in the paper?
   • 8
   • 20
   • 64
   • 256