Kvíz spojený s průvodcem · Střední úroveň
Kvíz pro rozpoznávání šepotu řeči
Prohlédněte si vícejazyčný audio-textový design Whisper, jeho úkoly vybrané tokeny a co široké pokrytí školením zaručuje a co nezaručuje.
Otázka 1 z 8
Přibližně na kolika hodinách zvuku byl Whisper trénován?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Přibližně na kolika hodinách zvuku byl Whisper trénován?
- 680 000 hodin
- 6800 hodin
- 68 000 hodin
- 6,8 milionu hodin
- Jakou střední reprezentaci Whisper vypočítá z nezpracovaného zvuku před kodérem?
- Hrubý tenzor průběhu
- Log-Mel spektrogram
- Pouze funkce MFCC delta
- Jednožhavý fonémový vektor
- Jak jediný model Whisper provádí více úkolů, jako je přepis a překlad?
- Pro každou úlohu načte jiný model
- Paralelně běží samostatné jemně vyladěné hlavy
- Speciální tokeny výzvy specifikují úlohu během dekódování
- Uživatelé upravují spektrogram ručně
- Jakou celkovou neuronovou architekturu Whisper používá?
- Pouze konvoluční síť
- Opakující se zásobník LSTM
- Difúzní model
- Transformátorový kodér-dekodér
- Proč je Whisper považován za obzvláště robustní ve srovnání s dřívějšími systémy ASR?
- Bylo trénováno na různorodém, hlučném reálném webovém zvuku
- Funguje pouze na studiově čistém zvuku
- Nevyužívá žádné strojové učení
- Vyžaduje to vlastní mikrofon
- Pod jakou licencí byly vydány závaží Whisperových modelů?
- Proprietární, pouze API
- MIT (otevřený zdroj)
- GPL bez komerčního využití
- Nederivát Creative Commons
- 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