Тест, свързан с ръководство · Среден Ниво
Тест за разпознаване на шепот
Прегледайте многоезичния дизайн на аудио-към-текст на Whisper, неговите задачи, избрани от токени, и какво гарантира и какво не гарантира широкото покритие на обучението.
Въпрос 1 на 8
Приблизително на колко часа аудио е бил обучен Whisper?
Визуализирайте всеки въпрос8 въпроси
Отговорите и обясненията се появяват, докато отговаряте на теста.
- Приблизително на колко часа аудио е бил обучен Whisper?
- 680 000 часа
- 6800 часа
- 68 000 часа
- 6,8 милиона часа
- Какво междинно представяне изчислява Whisper от сурово аудио преди енкодера?
- Тензор на необработена вълнова форма
- Лог-Мел спектрограма
- Само делта функции на MFCC
- Един горещ фонемен вектор
- Как един модел Whisper изпълнява множество задачи като транскрипция и превод?
- Зарежда различен модел за всяка задача
- Той работи паралелно с отделни фино настроени глави
- Специалните токени за подкана уточняват задачата по време на декодирането
- Потребителите редактират ръчно спектрограмата
- Каква цялостна невронна архитектура използва Whisper?
- Само конволюционна мрежа
- Повтарящ се LSTM стек
- Дифузионен модел
- Трансформатор енкодер-декодер
- Защо Whisper се счита за особено здрав в сравнение с по-ранните ASR системи?
- Беше обучен на разнообразно, шумно уеб аудио от реалния свят
- Работи само със студийно чисто аудио
- Не използва машинно обучение
- Изисква персонализиран микрофон
- Под какъв лиценз бяха пуснати моделните тежести на Whisper?
- Патентован, само за API
- MIT (с отворен код)
- GPL без търговска употреба
- Creative Commons непроизводен
- Approximately how long is each audio segment Whisper converts to a log-Mel spectrogram?
- 3 seconds
- 3 minutes
- 30 seconds
- 30 minutes
- What does Whisper’s English-translation task produce from non-English speech?
- A translated recording in the speaker’s voice
- Only a transcript in the original language
- A list of detected speakers
- An English text translation