Mi kerül a osztályozóba az audio beágyazásán kívül?

Az audio beágyazásán kívül a klasszifikátor bemenetére gyakran további jellemzőket adnak, amelyek segítenek javítani a klasszifikáció minőségét. Ezek lehetnek:

• Metaadatok (például az audio időtartamára, mintavételezési frekvenciájára vonatkozó információk)
• Spektrális jellemzők (MFCC, spektrogramok)
• Kontextuális adatok (például a felvételi környezetről vagy eszközről szóló információk)
• Időbeli jellemzők (például pozíciók az audiofolyamban)

Néhány architektúrában a beágyazással együtt maszkokat vagy figyelem jellemzőket is adnak, hogy a klasszifikátor jobban fókuszálhasson az audio releváns részeire.