引导式测验 · 中等等级

演讲者分类测验

回顾说话者二值化、匿名说话者标签、重叠处理和二值化错误率的组成部分。跨越常见的评分惯例。

说话者分类通常用哪个问题来概括？

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。

说话者分类通常用哪个问题来概括？
- 说了哪些话？
- 使用什么语言？
- 谁在什么时候发言？
- 声音里带着什么情绪？
什么是扬声器嵌入？
- 演讲稿
- 标记沉默的时间戳
- 一种音频压缩格式
- 表示语音特征的固定长度向量
哪种指标通常用于评估二值化系统？
- 二值化错误率 (DER)
- 字错误率 (WER)
- 信噪比 (SNR)
- 帧率
标准分类是否需要提前知道说话者的真实姓名？
- 是的，需要输入姓名
- 不，它会分配匿名标签，例如“发言者 1”和“发言者 2”
- 是的，但仅限第一个发言者
- 不，它总是输出完整的身份
排列不变训练在端到端神经二值化中解决什么问题？
- 它消除了对音频信号的需要
- 它通过排列评估说话者的输出，因此任意输出标签顺序不会影响训练
- 它可以从一个人的声音中识别出他的合法姓名
- 它强制模型仅使用一个扬声器通道
在经典的二值化流程中，哪一步通常首先进行？
- 将嵌入聚类到扬声器中
- 分配真实姓名
- 翻译音频
- 语音活动检测以查找语音区域
哪些错误类别通常构成分类错误率？
- 漏话、虚警语音和说话者混乱
- 文字错误、标点符号和翻译错误
- 只是错过了演讲
- 音调、响度和语速
端到端二值化模型如何表示同时说话的人？
- 通过强制每一帧只包含一个扬声器
- 通过预测同一时间区域的多个活动说话者标签
- 通过为所有声音分配真实姓名
- 通过在分析之前删除重叠