গাইড লিঙ্ক ক্যুইজ · মাঝারি স্তর
হুইস্পার স্পিচ রিকগনিশন কুইজ
Whisper-এর বহুভাষিক অডিও-টু-টেক্সট ডিজাইন, এর টোকেন-নির্বাচিত কাজগুলি এবং বিস্তৃত প্রশিক্ষণ কভারেজ কী করে এবং গ্যারান্টি দেয় না তা পর্যালোচনা করুন।
প্রশ্ন 1 এর 8
মোটামুটিভাবে কত ঘণ্টার অডিও হুইস্পারকে প্রশিক্ষণ দেওয়া হয়েছিল?
প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন
আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।
- মোটামুটিভাবে কত ঘণ্টার অডিও হুইস্পারকে প্রশিক্ষণ দেওয়া হয়েছিল?
- 680,000 ঘন্টা
- 6,800 ঘন্টা
- 68,000 ঘন্টা
- 6.8 মিলিয়ন ঘন্টা
- এনকোডারের আগে Whisper কাঁচা অডিও থেকে কোন মধ্যবর্তী উপস্থাপনা গণনা করে?
- একটি কাঁচা তরঙ্গরূপ টেনসর
- একটি লগ-মেল স্পেকট্রোগ্রাম
- MFCC ডেল্টা বৈশিষ্ট্য শুধুমাত্র
- একটি এক-গরম ফোনমে ভেক্টর
- কিভাবে একটি একক হুইস্পার মডেল ট্রান্সক্রিপশন এবং অনুবাদের মত একাধিক কাজ সম্পাদন করে?
- এটি প্রতি টাস্কে একটি ভিন্ন মডেল লোড করে
- এটি সমান্তরালভাবে পৃথক সূক্ষ্ম-সুরিত মাথা চালায়
- বিশেষ প্রম্পট টোকেন ডিকোডিংয়ের সময় কাজটি নির্দিষ্ট করে
- ব্যবহারকারীরা স্পেকট্রোগ্রাম ম্যানুয়ালি সম্পাদনা করে
- হুইস্পার কোন সামগ্রিক নিউরাল আর্কিটেকচার ব্যবহার করে?
- একটি বিভ্রান্তিকর নেটওয়ার্ক
- একটি পুনরাবৃত্ত LSTM স্ট্যাক
- একটি প্রসারিত মডেল
- একটি ট্রান্সফরমার এনকোডার-ডিকোডার
- কেন হুইস্পারকে আগের ASR সিস্টেমের তুলনায় বিশেষভাবে শক্তিশালী বলে মনে করা হয়?
- এটি বিভিন্ন, কোলাহলপূর্ণ বাস্তব-বিশ্বের ওয়েব অডিওতে প্রশিক্ষিত ছিল
- এটি শুধুমাত্র স্টুডিও-ক্লিন অডিওতে কাজ করে
- এটি কোন মেশিন লার্নিং ব্যবহার করে না
- এটি একটি কাস্টম মাইক্রোফোন প্রয়োজন
- কোন লাইসেন্সের অধীনে হুইস্পারের মডেল ওজন প্রকাশ করা হয়েছিল?
- মালিকানা, API-শুধুমাত্র
- এমআইটি (ওপেন সোর্স)
- কোন বাণিজ্যিক ব্যবহার ছাড়া GPL
- ক্রিয়েটিভ কমন্স নন-ডেরিভেটিভ
- Approximately how long is each audio segment Whisper converts to a log-Mel spectrogram?
- 3 seconds
- 3 minutes
- 30 seconds
- 30 মিনিট
- 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