Quiz lié à un guide · Moyen Niveau

Quiz sur l'architecture DeepSpeech

Explorez les fonctionnalités acoustiques de DeepSpeech, le contexte récurrent, les sorties de caractères, les alignements CTC et le contexte nécessaire à la reconnaissance hors ligne ou en direct.

Chemins de guidage associésArchitecture de la parole profonde
Question 1 de 8

Quelle fonction de perte permet à DeepSpeech de s'entraîner sans alignement au niveau de l'image entre l'audio et le texte ?

Prévisualisez chaque question8 des questions

Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.

  1. Quelle fonction de perte permet à DeepSpeech de s'entraîner sans alignement au niveau de l'image entre l'audio et le texte ?
    • Erreur quadratique moyenne
    • Entropie croisée sur des fenêtres de longueur fixe
    • Classification temporelle connexionniste (CTC)
    • Perte de triplet
  2. Quelle a été la principale philosophie architecturale popularisée par DeepSpeech ?
    • Formation de bout en bout d'un réseau neuronal unique, des fonctionnalités audio au texte
    • Diviser la reconnaissance en plusieurs composants distincts, conçus à la main
    • Utiliser uniquement des dictionnaires phonétiques basés sur des règles
    • Reconnaître la parole uniquement avec la correspondance de modèles
  3. Pourquoi DeepSpeech utilise-t-il une couche récurrente bidirectionnelle ?
    • Pour compresser la taille du fichier audio
    • Pour donner à chaque prédiction le contexte des cadres passés et futurs
    • Traduire entre les langues
    • Pour supprimer le besoin de données d’entraînement
  4. Sur quels types de fonctionnalités d’entrée DeepSpeech fonctionne-t-il généralement ?
    • Données de pixels brutes
    • Transcriptions de textes pré-écrites
    • Balises de métadonnées MP3 compressées
    • Caractéristiques du spectrogramme ou du MFCC calculées sur de courtes images audio
  5. Qu'est-ce qui est souvent ajouté au moment du décodage pour améliorer le choix des mots et l'orthographe de DeepSpeech ?
    • Un modèle de langage externe (par exemple, un modèle n-gram)
    • Un deuxième micro
    • Un classificateur d'images plus grand
    • Une puce de chiffrement matériel
  6. What does the original DeepSpeech output layer predict at each acoustic time step?
    • A fixed speaker-identity vector only
    • A single complete translated document with no time steps
    • A probability distribution over character labels and the CTC blank
    • The recording's filename and compression format
  7. How does CTC relate an acoustic-frame label path to the final DeepSpeech transcript?
    • It sorts all character labels alphabetically
    • It requires exactly one audio frame for each word
    • It keeps every repeated frame label as a separate written character
    • It collapses repetitions and removes blank symbols according to the CTC rule
  8. Why does original DeepSpeech's bidirectional acoustic context matter when designing a live recognizer?
    • Bidirectional recurrence needs no future observations
    • Future-frame context requires lookahead or waiting, so it is not automatically zero-lookahead streaming
    • The network can know later audio before it is recorded
    • A character language model removes all buffering requirements