Mit dem Guide verknüpftes Quiz · Mittel Ebene

Quiz zu RNN-Wandlermodellen

Verstehen Sie, wie RNN-Transducer-Modelle akustische Frames und Ausgabeverlauf für Streaming-Sequenztranskriptionsaufgaben kombinieren.

Verwandte FührungspfadeRnn-Wandlermodelle
Frage 1 von 8

Welche Einschränkung von CTC berücksichtigt der RNN-Transducer konkret?

Sehen Sie sich jede Frage in der Vorschau an8 Fragen

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

  1. Welche Einschränkung von CTC berücksichtigt der RNN-Transducer konkret?
    • Die bedingte Unabhängigkeitsannahme von CTC, die die Modellierung von Ausgabe-Token-Abhängigkeiten verhindert
    • CTC kann überhaupt keine Audiodaten verarbeiten
    • CTC erfordert die Ausführung von GPUs
    • CTC funktioniert nur für Bilder
  2. Was sind die drei Hauptkomponenten eines RNN-Transducers?
    • Encoder, Decoder und Diskriminator
    • Encoder (Transkriptionsnetzwerk), Vorhersagenetzwerk und gemeinsames Netzwerk
    • Nur Tokenizer, Embedder und Softmax
    • Zwei Aufmerksamkeitsköpfe und ein Router
  3. Welche Rolle spielt das Vorhersagenetzwerk in einem RNN-T?
    • Es komprimiert die Audiowellenform
    • Es misst die Mikrofonlautstärke
    • Es verhält sich wie ein Sprachmodell, das auf zuvor ausgegebene Token angewiesen ist
    • Es wählt die Abtastrate aus
  4. Warum unterstützt RNN-T so selbstverständlich Streaming mit geringer Latenz?
    • Es verarbeitet die gesamte Äußerung auf einmal, bevor etwas ausgegeben wird
    • Die zeitliche Reihenfolge wird völlig ignoriert
    • Es funktioniert nur bei vorab aufgezeichneten Dateien
    • Seine Ausrichtung ist monoton und verläuft von links nach rechts und verläuft mit Leerstellen durch das Audio
  5. Was bewirkt die Ausgabe eines leeren Tokens bei der RNN-T-Dekodierung?
    • Geht zum nächsten Audiozeitschritt weiter
    • Beendet die gesamte Transkription
    • Löscht das vorherige Wort
    • Wechselt zu einer anderen Sprache
  6. Welcher Encodertyp ersetzt zunehmend LSTMs in modernen Produktions-RNN-T-Systemen?
    • Entscheidungsbäume
    • Konforme Encoder
    • Einfacher Wortschatz
    • Versteckte Markov-Modelle
  7. What two histories condition the RNN-T joint network’s output distribution?
    • Only the future transcript and a speaker photo
    • Only the last acoustic frame, without output context
    • The encoder representation of acoustic input and the prediction-network representation of prior output labels
    • The optimizer state and learning rate
  8. What alignment behavior does an RNN-T allow before advancing to the next audio frame?
    • It must emit exactly one label for every frame
    • It advances time only after a word-final token
    • It generates all output before reading any audio
    • It can emit zero or more nonblank labels at the current frame, then a blank advances time