গাইড লিঙ্ক ক্যুইজ · মাঝারি স্তর
ডিপস্পীচ আর্কিটেকচার কুইজ
DeepSpeech অ্যাকোস্টিক বৈশিষ্ট্য, পুনরাবৃত্ত প্রসঙ্গ, অক্ষর আউটপুট, CTC প্রান্তিককরণ এবং অফলাইন বা লাইভ স্বীকৃতির জন্য প্রয়োজনীয় প্রসঙ্গ অন্বেষণ করুন।
প্রশ্ন 1 এর 8
কোন ক্ষতি ফাংশন ডিপস্পীচকে অডিও এবং পাঠ্যের মধ্যে ফ্রেম-স্তরের প্রান্তিককরণ ছাড়াই প্রশিক্ষণের অনুমতি দেয়?
প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন
আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।
- কোন ক্ষতি ফাংশন ডিপস্পীচকে অডিও এবং পাঠ্যের মধ্যে ফ্রেম-স্তরের প্রান্তিককরণ ছাড়াই প্রশিক্ষণের অনুমতি দেয়?
- বর্গাকার ত্রুটির গড়
- স্থির-দৈর্ঘ্যের উইন্ডোগুলির উপর ক্রস-এনট্রপি
- কানেকশনিস্ট টেম্পোরাল ক্লাসিফিকেশন (CTC)
- ত্রিপল ক্ষতি
- প্রধান স্থাপত্য দর্শন কি ছিল যা ডিপস্পীচ জনপ্রিয় করেছিল?
- অডিও বৈশিষ্ট্য থেকে পাঠ্য পর্যন্ত একটি একক নিউরাল নেটওয়ার্কের এন্ড-টু-এন্ড প্রশিক্ষণ
- অনেক হ্যান্ড-ইঞ্জিনিয়ারড, পৃথক উপাদানে স্বীকৃতি বিভক্ত করা
- শুধুমাত্র নিয়ম-ভিত্তিক ফোনেটিক অভিধান ব্যবহার করা
- টেমপ্লেট ম্যাচিং দিয়ে বিশুদ্ধভাবে বক্তৃতা সনাক্ত করা
- কেন DeepSpeech একটি দ্বিমুখী পুনরাবৃত্ত স্তর ব্যবহার করে?
- অডিও ফাইলের আকার কম্প্রেস করতে
- অতীত এবং ভবিষ্যত উভয় ফ্রেম থেকে প্রতিটি ভবিষ্যদ্বাণী প্রসঙ্গ দিতে
- ভাষার মধ্যে অনুবাদ করতে
- কোন প্রশিক্ষণ তথ্য প্রয়োজন অপসারণ
- ডিপস্পীচ সাধারণত কোন ধরনের ইনপুট বৈশিষ্ট্যের উপর কাজ করে?
- কাঁচা পিক্সেল ডেটা
- পূর্ব-লিখিত পাঠ্য প্রতিলিপি
- সংকুচিত MP3 মেটাডেটা ট্যাগ
- স্পেকট্রোগ্রাম বা MFCC বৈশিষ্ট্য সংক্ষিপ্ত অডিও ফ্রেমে গণনা করা হয়
- DeepSpeech এর শব্দ পছন্দ এবং বানান উন্নত করতে প্রায়ই ডিকোডের সময় কী যোগ করা হয়?
- একটি বাহ্যিক ভাষার মডেল (যেমন, একটি এন-গ্রাম মডেল)
- একটি দ্বিতীয় মাইক্রোফোন
- একটি বড় ইমেজ ক্লাসিফায়ার
- একটি হার্ডওয়্যার এনক্রিপশন চিপ
- 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