اختبار مرتبط بالدليل · متوسط المستوى
مسابقة هندسة DeepSpeech
استكشف ميزات DeepSpeech الصوتية والسياق المتكرر ومخرجات الأحرف ومحاذاة CTC والسياق المطلوب للتعرف المباشر أو دون الاتصال بالإنترنت.
سؤال 1 من 8
ما هي وظيفة الخسارة التي تسمح لـ DeepSpeech بالتدريب دون محاذاة مستوى الإطار بين الصوت والنص؟
معاينة كل سؤال8 أسئلة
تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.
- ما هي وظيفة الخسارة التي تسمح لـ DeepSpeech بالتدريب دون محاذاة مستوى الإطار بين الصوت والنص؟
- يعني الخطأ التربيعي
- الانتروبيا المتقاطعة على النوافذ ذات الطول الثابت
- التصنيف الزمني الاتصالي (CTC)
- خسارة ثلاثية
- ما هي الفلسفة المعمارية الرئيسية التي شاعها DeepSpeech؟
- تدريب شامل لشبكة عصبية واحدة بدءًا من الميزات الصوتية وحتى النص
- تقسيم التعرف إلى العديد من المكونات المنفصلة المصممة يدويًا
- استخدام القواميس الصوتية القائمة على القواعد فقط
- التعرف على الكلام فقط من خلال مطابقة القالب
- لماذا يستخدم DeepSpeech طبقة متكررة ثنائية الاتجاه؟
- لضغط حجم الملف الصوتي
- لإعطاء كل سياق التنبؤ من كل من الإطارات الماضية والمستقبلية
- للترجمة بين اللغات
- لإزالة الحاجة إلى أي بيانات التدريب
- ما نوع ميزات الإدخال التي يعمل عليها DeepSpeech عادةً؟
- بيانات البكسل الأولية
- نصوص نصية مكتوبة مسبقًا
- علامات البيانات الوصفية المضغوطة بتنسيق MP3
- ميزات Spectrogram أو MFCC محسوبة على إطارات صوتية قصيرة
- ما الذي تتم إضافته غالبًا في وقت فك التشفير لتحسين اختيار الكلمات والتهجئة في DeepSpeech؟
- نموذج لغة خارجي (على سبيل المثال، نموذج n-gram)
- ميكروفون ثاني
- مصنف صور أكبر
- شريحة تشفير الأجهزة
- What does the original DeepSpeech output layer predict at each acoustic time step?
- A fixed speaker-identity vector only
- A single complete translated document with no time steps
- A probability distribution over character labels and the CTC blank
- The recording's filename and compression format
- How does CTC relate an acoustic-frame label path to the final DeepSpeech transcript?
- It sorts all character labels alphabetically
- It requires exactly one audio frame for each word
- It keeps every repeated frame label as a separate written character
- It collapses repetitions and removes blank symbols according to the CTC rule
- Why does original DeepSpeech's bidirectional acoustic context matter when designing a live recognizer?
- Bidirectional recurrence needs no future observations
- Future-frame context requires lookahead or waiting, so it is not automatically zero-lookahead streaming
- The network can know later audio before it is recorded
- A character language model removes all buffering requirements