Mit dem Guide verknüpftes Quiz · Mittel Ebene

Quiz zur Flüsterspracherkennung

Sehen Sie sich das mehrsprachige Audio-zu-Text-Design von Whisper, seine durch Token ausgewählten Aufgaben an und erfahren Sie, was eine breite Schulungsabdeckung garantiert und was nicht.

Verwandte FührungspfadeFlüsterspracherkennung
Frage 1 von 8

Auf wie viele Stunden Audio wurde Whisper ungefähr trainiert?

Sehen Sie sich jede Frage in der Vorschau an8 Fragen

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

  1. Auf wie viele Stunden Audio wurde Whisper ungefähr trainiert?
    • 680.000 Stunden
    • 6.800 Stunden
    • 68.000 Stunden
    • 6,8 Millionen Stunden
  2. Welche Zwischendarstellung berechnet Whisper aus Rohaudio vor dem Encoder?
    • Ein roher Wellenformtensor
    • Ein Log-Mel-Spektrogramm
    • Nur MFCC-Delta-Funktionen
    • Ein One-Hot-Phonemvektor
  3. Wie führt ein einzelnes Whisper-Modell mehrere Aufgaben wie Transkription und Übersetzung aus?
    • Es lädt pro Aufgabe ein anderes Modell
    • Es betreibt parallel separate, fein abgestimmte Köpfe
    • Spezielle Eingabeaufforderungstoken geben die Aufgabe während der Dekodierung an
    • Benutzer bearbeiten das Spektrogramm manuell
  4. Welche allgemeine neuronale Architektur verwendet Whisper?
    • Ein reines Faltungsnetzwerk
    • Ein wiederkehrender LSTM-Stack
    • Ein Diffusionsmodell
    • Ein Transformer-Encoder-Decoder
  5. Warum gilt Whisper im Vergleich zu früheren ASR-Systemen als besonders robust?
    • Es wurde an vielfältigem, verrauschtem Web-Audio aus der realen Welt trainiert
    • Es funktioniert nur bei Studio-sauberem Audio
    • Es verwendet kein maschinelles Lernen
    • Es erfordert ein benutzerdefiniertes Mikrofon
  6. Unter welcher Lizenz wurden die Modellgewichte von Whisper veröffentlicht?
    • Proprietär, nur API
    • MIT (Open Source)
    • GPL ohne kommerzielle Nutzung
    • Nicht abgeleitet von Creative Commons
  7. Approximately how long is each audio segment Whisper converts to a log-Mel spectrogram?
    • 3 seconds
    • 3 minutes
    • 30 seconds
    • 30 minutes
  8. 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