O que entra no classificador além do embedding de áudio?

Para além do embedding de áudio, frequentemente são fornecidas características adicionais à entrada do classificador, que ajudam a melhorar a qualidade da classificação. Estas podem incluir:

• Metadados (por exemplo, informações sobre a duração do áudio, frequência de amostragem)
• Características espectrais (MFCC, espectrogramas)
• Dados contextuais (por exemplo, informações sobre o ambiente de gravação ou o dispositivo)
• Características temporais (por exemplo, posições no fluxo de áudio)

Em algumas arquiteturas, juntamente com o embedding, são fornecidas máscaras ou características de atenção para que o classificador possa focar melhor nas partes relevantes do áudio.