Was wird neben dem Audio-Embedding in den Klassifikator eingespeist?

Neben der Audio-Embedding werden dem Klassifikator häufig zusätzliche Merkmale zugeführt, die dazu beitragen, die Klassifikationsqualität zu verbessern. Diese können sein:

• Metadaten (z.B. Informationen über die Dauer des Audios, Abtastrate)
• Spektrale Merkmale (MFCC, Spektrogramme)
• Kontextuelle Daten (z.B. Informationen über die Aufnahmeumgebung oder das Gerät)
• Zeitliche Merkmale (z.B. Positionen im Audiosignal)

In einigen Architekturen werden zusammen mit der Embedding Masken oder Aufmerksamkeitseigenschaften bereitgestellt, damit der Klassifikator sich besser auf relevante Abschnitte des Audios konzentrieren kann.