RNNoise کوئز کے ساتھ اسپیچ ڈینوائزنگ

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

1. RNNoise بنیادی طور پر آڈیو کے ہر مختصر فریم کے لیے کیا پیشین گوئی کرتا ہے؟
   • تقریباً 22 فریکوئنسی بینڈز میں سے ہر ایک کے لیے ایک فائدہ (0 سے 1)
   • تقریر کی نقل
   • بولنے والے کی شناخت
   • جو زبان بولی جا رہی ہے۔
2. RNNoise کے مرکز میں کس قسم کا عصبی نیٹ ورک ہے؟
   • ایک بڑا ٹرانسفارمر
   • GRUs استعمال کرنے والا ایک چھوٹا بار بار چلنے والا نیٹ ورک
   • ایک تصوراتی تصویر کا درجہ بندی کرنے والا
   • ایک بازی ماڈل
3. RNNoise خام سپیکٹرل ڈبوں کی بجائے ادراک فریکوئنسی بینڈ کیوں استعمال کرتا ہے؟
   • نیٹ ورک کو بڑا اور درست بنانے کے لیے
   • آڈیو کو متن میں ترجمہ کرنے کے لیے
   • ماڈل کو چھوٹا رکھنے اور موسیقی کے شور کے نمونے کو کم کرنے کے لیے
   • نمونہ کی شرح کو بڑھانے کے لئے
4. RNNoise ماڈل تقریباً کتنا بڑا ہے؟
   • تقریبا 1 بلین پیرامیٹرز
   • تقریباً 50 ملین پیرامیٹرز
   • اس میں سیکھنے کے قابل پیرامیٹرز نہیں ہیں۔
   • تقریباً 85,000 وزن
5. RNNoise میں پچ فلٹر کا کیا کردار ہے؟
   • آواز والی تقریر کے ہارمونکس کے درمیان بقایا شور کو دور کرنے کے لیے
   • اسپیکر کی پچ کو بلند کرنے کے لیے
   • اسپیکر کی عمر کا پتہ لگانے کے لیے
   • فائل کو کمپریس کرنے کے لیے
6. کونسی مقبول ایپلی کیشن میں RNNoise بلٹ میں شور دبانے کے آپشن کے طور پر شامل ہے؟
   • Microsoft ایکسل
   • او بی ایس اسٹوڈیو
   • ایڈوب فوٹوشاپ
   • ایک ویب براؤزر کا اسپیل چیکر
7. Which hand-crafted features does RNNoise feed to its recurrent network?
   • Image color histograms and edge maps
   • Wordpiece embeddings and attention masks
   • Band energies, pitch period, and pitch correlation
   • Speaker names and calendar timestamps
8. What does RNNoise’s separate voice-activity output help the system do?
   • Identify the speaker by name
   • Choose the bitrate of an audio codec
   • Translate the speech into another language
   • Gate the band gains during frames containing only noise