Тест, свързан с ръководство · Среден Ниво

Тест за модели на RNN-трансдюсери

Разберете как моделите RNN-Transducer съчетават акустични рамки и изходна история за задачи за транскрипция на поточно предаване.

Свързани ръководни пътекиМодели на преобразуватели Rnn
Въпрос 1 на 8

Кое ограничение на CTC адресира конкретно RNN-трансдюсерът?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. Кое ограничение на CTC адресира конкретно RNN-трансдюсерът?
    • Предположението за условна независимост на CTC, което предотвратява моделирането на зависимости изход-токен
    • CTC изобщо не може да обработва аудио
    • CTC изисква GPU за работа
    • CTC работи само за изображения
  2. Кои са трите основни компонента на RNN-трансдюсер?
    • Енкодер, декодер и дискриминатор
    • Енкодер (мрежа за транскрипция), мрежа за прогнозиране и съвместна мрежа
    • Само Tokenizer, Embedder и softmax
    • Две глави за внимание и рутер
  3. Каква роля играе мрежата за прогнозиране в RNN-T?
    • Той компресира формата на аудио вълната
    • Измерва силата на звука на микрофона
    • Той действа като езиков модел, обуславящ предварително излъчени токени
    • Той избира честотата на дискретизация
  4. Защо RNN-T поддържа поточно предаване с ниска латентност толкова естествено?
    • Той обработва цялото изказване наведнъж, преди да излъчи нещо
    • Той напълно игнорира времевия ред
    • Работи само с предварително записани файлове
    • Неговото подравняване е монотонно и отляво надясно, напредвайки през аудио с празни места
  5. Какво прави излъчването на празен токен при RNN-T декодиране?
    • Преминава към следващата стъпка от аудио време
    • Завършва цялата транскрипция
    • Изтрива предишната дума
    • Превключва на различен език
  6. Кой тип енкодер все повече замества LSTM в съвременните производствени RNN-T системи?
    • Дървета на решенията
    • Конформни енкодери
    • Обикновена торба с думи
    • Скрити марковски модели
  7. What two histories condition the RNN-T joint network’s output distribution?
    • Only the future transcript and a speaker photo
    • Only the last acoustic frame, without output context
    • The encoder representation of acoustic input and the prediction-network representation of prior output labels
    • The optimizer state and learning rate
  8. What alignment behavior does an RNN-T allow before advancing to the next audio frame?
    • It must emit exactly one label for every frame
    • It advances time only after a word-final token
    • It generates all output before reading any audio
    • It can emit zero or more nonblank labels at the current frame, then a blank advances time