引导式测验 · 中等 等级

音频字幕测验

使用 Clotho 和 AudioCap、编码器-解码器字幕、CIDEr 评估和原始 Clotho 参考来查看音频描述和语音转录。

相关引导路径音频字幕
问题 1 的 8

音频字幕与自动语音识别有何不同？

预览每个问题8 问题

当您参加测验时，就会出现答案和解释。

  1. 音频字幕与自动语音识别有何不同？
    • 只对静音有效
    • 它速度较慢但输出相同
    • 它描述了整体的声学场景，而不是抄写口头文字
    • 它将文本转换为音频
  2. Which published datasets supply general-audio descriptions for captioning in this guide?
    • MNIST and CIFAR only
    • Clotho 和 AudioCaps
    • 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. 为什么音频字幕对于可访问性很有价值？
    • 它描述了聋哑和听力障碍用户的非语音声音
    • 它会增加音量
    • 它消除了背景噪音
    • 它对音频进行加密
  5. Which reference-comparison metric does the Clotho paper use among its caption evaluations?
    • RGB color values
    • 西德
    • Audio sample rate alone
    • Only a decibel reading
  6. 音频字幕目前面临的主要挑战是什么？
    • 音频文件太小而无法处理
    • 没有可用的数据集
    • 标题只能是一个字长
    • 生成准确的描述并避免产生幻觉的细节
  7. How many reference captions per audio file does the original Clotho paper report?
    • 五
    • 一
    • Fifteen
    • 一百
  8. How many log-mel-band features form each input frame in the original Clotho baseline described in the paper?
    • 8
    • 20
    • 64
    • 256