Κουίζ εντοπισμού λέξεων-κλειδιών και λέξεων αφύπνισης

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

1. Ποια είναι η κύρια δουλειά ενός ανιχνευτή λέξεων αφύπνισης;
   • Για να εντοπίσετε πότε έχει εκφωνηθεί μια συγκεκριμένη φράση ενεργοποίησης
   • Για να μεταγράψετε κάθε λέξη που λέει ο χρήστης σε κείμενο
   • Για να μεταφράσετε την ομιλία σε άλλη γλώσσα
   • Για συμπίεση ήχου για αποθήκευση στο cloud
2. Γιατί πολλά έξυπνα ηχεία χρησιμοποιούν σχεδιασμό ανίχνευσης δύο σταδίων;
   • Για υποστήριξη δύο διαφορετικών γλωσσών ταυτόχρονα
   • Για να αφήσετε ένα τσιπ χαμηλής κατανάλωσης να κάνει έναν πρόχειρο έλεγχο πριν επιβεβαιώσει ένα μεγαλύτερο μοντέλο, εξοικονομώντας μπαταρία
   • Για να εγγράψετε δύο αντίγραφα του ήχου για δημιουργία αντιγράφων ασφαλείας
   • Για να τρέξετε δύο ξεχωριστούς βοηθούς φωνής ταυτόχρονα
3. Τι σημαίνει «ψευδής αποδοχή» στην ανίχνευση λέξεων αφύπνισης;
   • Η συσκευή αγνοεί μια σωστά προφερόμενη φράση ενεργοποίησης
   • Η συσκευή ακούει λάθος μια λέξη ως άλλη σε μια πρόταση
   • Η συσκευή ξυπνά παρόλο που κανείς δεν είπε τη φράση σκανδάλης
   • Η συσκευή αποτυγχάνει να συνδεθεί στο Διαδίκτυο
4. Πώς προετοιμάζεται περίπου ο εισερχόμενος ήχος πριν τον δει το νευρωνικό δίκτυο;
   • Αποθηκεύεται πρώτα ως αρχείο MP3 πλήρους μήκους
   • Μετατρέπεται απευθείας σε γραπτές προτάσεις
   • Αποστέλλεται αμετάβλητο σε έναν απομακρυσμένο διακομιστή για ανάλυση
   • Είναι κομμένο σε μικρά επικαλυπτόμενα πλαίσια και μετατρέπεται σε ακουστικά χαρακτηριστικά όπως MFCC ή mel energies
5. What trade-off can raising a wake-word detector’s activation threshold create?
   • Fewer false accepts but potentially more false rejects or delayed detections
   • More false accepts and guaranteed zero false rejects
   • No change in either error rate under any audio condition
   • A guarantee that every user’s phrase is recognized
6. What result did Hello Edge report for its depthwise separable CNN on the Google Speech Commands evaluation?
   • 100% accuracy on all languages and devices
   • 95.4% accuracy, about 10% higher than a DNN with a similar parameter count
   • 95.4% lower memory use than every competing model
   • A 10% guaranteed battery-life increase for every microcontroller
7. What does a false reject mean in wake-word detection?
   • The detector activates without the wake word
   • The microphone records silence correctly
   • The user says the wake word but the detector does not activate
   • A speaker is assigned the wrong identity
8. Why may a wake-word system use a compact model on-device?
   • It guarantees zero false accepts
   • It replaces all speech recognition
   • It makes the wake phrase unnecessary
   • It can reduce dependence on network access and support low-power always-on detection