Prueba de detección de palabras clave y palabras de activación

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

1. ¿Cuál es el trabajo principal de un detector de palabras de activación?
   • Para detectar cuándo se ha pronunciado una frase desencadenante específica
   • Para transcribir cada palabra que dice el usuario a texto
   • Para traducir el discurso a otro idioma.
   • Para comprimir audio para almacenamiento en la nube
2. ¿Por qué muchos parlantes inteligentes utilizan un diseño de detección de dos etapas?
   • Para admitir dos idiomas diferentes a la vez
   • Permitir que un chip de bajo consumo realice una verificación aproximada antes de que un modelo más grande lo confirme, lo que ahorra batería
   • Para grabar dos copias del audio como respaldo
   • Para ejecutar dos asistentes de voz separados simultáneamente
3. ¿Qué significa una "aceptación falsa" en la detección de palabras de activación?
   • El dispositivo ignora una frase de activación pronunciada correctamente.
   • El dispositivo interpreta mal una palabra como otra en una oración.
   • El dispositivo se activa aunque nadie haya dicho la frase desencadenante.
   • El dispositivo no logra conectarse a Internet
4. Aproximadamente, ¿cómo se prepara el audio entrante antes de que lo vea la red neuronal?
   • Primero se guarda como un archivo MP3 completo.
   • Se convierte directamente en oraciones escritas.
   • Se envía sin cambios a un servidor remoto para su análisis.
   • Se divide en marcos cortos superpuestos y se convierte en características acústicas como MFCC o melenergías.
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