Ce intră în clasificator în afară de embedding-ul audio?

Pe lângă embedding-ul audio, la intrarea clasificatorului sunt adesea furnizate caracteristici suplimentare care ajută la îmbunătățirea calității clasificării. Acestea pot fi:

• Metadate (de exemplu, informații despre durata audio, frecvența de eșantionare)
• Caracteristici spectrale (MFCC, spectrograme)
• Date contextuale (de exemplu, informații despre mediul de înregistrare sau dispozitiv)
• Caracteristici temporale (de exemplu, poziții în fluxul audio)

În unele arhitecturi, împreună cu embedding-ul, se furnizează măști sau caracteristici de atenție, pentru ca clasificatorul să se poată concentra mai bine pe părțile relevante ale audio-ului.