Quiz sur la détection des mots clés et les mots réveillés

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

1. Quelle est la tâche principale d'un détecteur de mots d'éveil ?
   • Pour détecter quand une phrase déclencheur spécifique a été prononcée
   • Pour retranscrire chaque mot prononcé par l'utilisateur en texte
   • Traduire un discours dans une autre langue
   • Pour compresser l'audio pour le stockage dans le cloud
2. Pourquoi de nombreuses enceintes intelligentes utilisent-elles une conception de détection en deux étapes ?
   • Pour prendre en charge deux langues différentes à la fois
   • Pour permettre à une puce de faible consommation d'effectuer une vérification approximative avant qu'un modèle plus grand ne confirme, économisant ainsi la batterie
   • Pour enregistrer deux copies de l'audio pour la sauvegarde
   • Pour exécuter simultanément deux assistants vocaux distincts
3. Que signifie une « fausse acceptation » dans la détection de mots d'activation ?
   • L'appareil ignore une phrase de déclenchement correctement prononcée
   • L'appareil entend mal un mot comme un autre dans une phrase
   • L'appareil se réveille même si personne n'a prononcé la phrase déclenchante
   • L'appareil ne parvient pas à se connecter à Internet
4. À peu près, comment l'audio entrant est-il préparé avant que le réseau neuronal ne le voie ?
   • Il est d'abord enregistré sous forme de fichier MP3 complet.
   • Il est converti directement en phrases écrites
   • Il est envoyé inchangé à un serveur distant pour analyse
   • Il est découpé en courtes images superposées et transformé en éléments acoustiques tels que les MFCC ou les énergies Mel.
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