Тест, свързан с ръководство · Среден Ниво
Тест за откриване на ключови думи и думи за събуждане
Прегледайте откриването на ключови думи, каскадното откриване, фалшивите приемания, аудио функциите, временната увереност и ограниченията на устройството.
Въпрос 1 на 8
Каква е основната задача на детектора на будни думи?
Визуализирайте всеки въпрос8 въпроси
Отговорите и обясненията се появяват, докато отговаряте на теста.
- Каква е основната задача на детектора на будни думи?
- За да открие кога е изречена конкретна задействаща фраза
- За транскрибиране на всяка дума, която потребителят казва в текст
- За превод на реч на друг език
- За компресиране на аудио за облачно съхранение
- Защо много интелигентни високоговорители използват двустепенен дизайн за откриване?
- Да поддържа два различни езика наведнъж
- За да позволите на чип с ниска мощност да извърши груба проверка, преди по-голям модел да потвърди, спестявайки батерията
- За да запишете две копия на аудиото за архивиране
- За да стартирате два отделни гласови асистента едновременно
- Какво означава „фалшиво приемане“ при откриване на будна дума?
- Устройството игнорира правилно изречена задействаща фраза
- Устройството разпознава една дума като друга в изречение
- Устройството се събужда, въпреки че никой не е казал задействащата фраза
- Устройството не успява да се свърже с интернет
- Приблизително как се подготвя входящото аудио, преди невронната мрежа да го види?
- Първо се записва като пълнометражен MP3 файл
- Преобразува се директно в писмени изречения
- Той се изпраща непроменен до отдалечен сървър за анализ
- Нарязва се на къси припокриващи се кадри и се превръща в акустични характеристики като MFCC или мел енергии
- What trade-off can raising a wake-word detector’s activation threshold create?
- Fewer false accepts but potentially more false rejects or delayed detections
- More false accepts and guaranteed zero false rejects
- No change in either error rate under any audio condition
- A guarantee that every user’s phrase is recognized
- What result did Hello Edge report for its depthwise separable CNN on the Google Speech Commands evaluation?
- 100% accuracy on all languages and devices
- 95.4% accuracy, about 10% higher than a DNN with a similar parameter count
- 95.4% lower memory use than every competing model
- A 10% guaranteed battery-life increase for every microcontroller
- What does a false reject mean in wake-word detection?
- The detector activates without the wake word
- The microphone records silence correctly
- The user says the wake word but the detector does not activate
- A speaker is assigned the wrong identity
- Why may a wake-word system use a compact model on-device?
- It guarantees zero false accepts
- It replaces all speech recognition
- It makes the wake phrase unnecessary
- It can reduce dependence on network access and support low-power always-on detection