Cuestionario vinculado a una guía · Medio Nivel

Cuestionario sobre modelos de transductores RNN

Comprenda cómo los modelos RNN-Transducer combinan fotogramas acústicos y el historial de salida para tareas de transcripción de secuencias de streaming.

Rutas de guía relacionadasModelos de transductor Rnn
Pregunta 1 de 8

¿Qué limitación de CTC aborda específicamente el RNN-Transducer?

Vista previa de cada pregunta8 preguntas

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

  1. ¿Qué limitación de CTC aborda específicamente el RNN-Transducer?
    • El supuesto de independencia condicional de CTC, que impide modelar dependencias de tokens de salida
    • CTC no puede procesar audio en absoluto
    • CTC requiere GPU para ejecutarse
    • CTC sólo funciona para imágenes
  2. ¿Cuáles son los tres componentes principales de un transductor RNN?
    • Codificador, decodificador y discriminador.
    • Codificador (red de transcripción), red de predicción y red conjunta
    • Solo tokenizador, incrustador y softmax
    • Dos cabezales de atención y un enrutador
  3. ¿Qué papel juega la red de predicción en un RNN-T?
    • Comprime la forma de onda de audio.
    • Mide el volumen del micrófono.
    • Actúa como un modelo de lenguaje, condicionado a tokens emitidos previamente.
    • Selecciona la frecuencia de muestreo.
  4. ¿Por qué RNN-T admite la transmisión de baja latencia de forma tan natural?
    • Procesa todo el enunciado a la vez antes de emitir cualquier cosa.
    • Ignora por completo el orden del tiempo.
    • Sólo funciona con archivos pregrabados.
    • Su alineación es monótona y de izquierda a derecha, avanzando a través del audio con espacios en blanco.
  5. En la decodificación RNN-T, ¿qué hace la emisión de un token en blanco?
    • Avanza al siguiente paso de tiempo de audio
    • Finaliza toda la transcripción.
    • Elimina la palabra anterior
    • Cambia a un idioma diferente
  6. ¿Qué tipo de codificador reemplaza cada vez más a los LSTM en los sistemas RNN-T de producción modernos?
    • Árboles de decisión
    • Codificadores conformadores
    • Sencilla bolsa de palabras
    • Modelos ocultos de Markov
  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