Keyword-Spotting- und Wake-Words-Quiz

Während Sie am Quiz teilnehmen, werden Antworten und Erklärungen angezeigt.

1. Was ist die Hauptaufgabe eines Wake-Word-Detektors?
   • Um zu erkennen, wann eine bestimmte Triggerphrase gesprochen wurde
   • Um jedes Wort, das der Benutzer sagt, in Text zu transkribieren
   • Rede in eine andere Sprache übersetzen
   • Zum Komprimieren von Audio für die Cloud-Speicherung
2. Warum verwenden viele Smart Speaker ein zweistufiges Erkennungsdesign?
   • Um zwei verschiedene Sprachen gleichzeitig zu unterstützen
   • Um einen Chip mit geringem Stromverbrauch eine grobe Prüfung durchführen zu lassen, bevor ein größeres Modell dies bestätigt, wird Batterie gespart
   • Zum Aufzeichnen von zwei Kopien des Audiomaterials zur Sicherung
   • Um zwei separate Sprachassistenten gleichzeitig auszuführen
3. Was bedeutet eine „falsche Annahme“ bei der Wake-Word-Erkennung?
   • Das Gerät ignoriert eine korrekt gesprochene Triggerphrase
   • Das Gerät verwechselt ein Wort in einem Satz mit einem anderen
   • Das Gerät wacht auf, obwohl niemand den Auslösesatz gesagt hat
   • Das Gerät kann keine Verbindung zum Internet herstellen
4. Wie wird das eingehende Audiosignal grob aufbereitet, bevor das neuronale Netzwerk es sieht?
   • Es wird zunächst als MP3-Datei in voller Länge gespeichert
   • Es wird direkt in geschriebene Sätze umgewandelt
   • Es wird unverändert zur Analyse an einen Remote-Server gesendet
   • Es wird in kurze, überlappende Rahmen geschnitten und in akustische Merkmale wie MFCCs oder Mel-Energien umgewandelt
5. Welcher Kompromiss kann entstehen, wenn der Aktivierungsschwellenwert eines Wake-Word-Detektors erhöht wird?
   • Weniger falsche Akzeptanzen, aber möglicherweise mehr falsche Ablehnungen oder verzögerte Erkennungen
   • Mehr falsche Akzeptanzen und garantiert null falsche Ablehnungen
   • Keine Änderung der Fehlerquote unter keinen Audio-Bedingungen
   • Eine Garantie, dass die Phrase jedes Nutzers erkannt wird
6. Welches Ergebnis meldete Hello Edge für sein depthwise separable CNN bei der Google Speech Commands-Evaluation?
   • 100 % Genauigkeit in allen Sprachen und auf allen Geräten
   • 95,4 % Genauigkeit, etwa 10 % höher als ein DNN mit ähnlicher Parameteranzahl
   • 95,4 % geringerer Speicherbedarf als jedes konkurrierende Modell
   • Eine garantierte 10-%-Verbesserung der Akkulaufzeit für jeden Mikrocontroller
7. Was bedeutet eine falsche Ablehnung bei der Wake-Word-Erkennung?
   • Der Detektor aktiviert sich, obwohl das Wake-Word nicht gesprochen wurde
   • Das Mikrofon zeichnet Stille korrekt auf
   • Der Nutzer spricht das Wake-Word, aber der Detektor aktiviert sich nicht
   • Einem Sprecher wird die falsche Identität zugewiesen
8. Warum kann ein Wake-Word-System ein kompaktes Modell auf dem Gerät verwenden?
   • Es garantiert null falsche Akzeptanzen
   • Es ersetzt die gesamte Spracherkennung
   • Es macht die Wake-Phrase überflüssig
   • Es kann die Abhängigkeit vom Netzwerkzugang verringern und die ständige, energieeffiziente Erkennung unterstützen