Quiz lié à un guide · Moyen Niveau

Quiz sur les modèles de transducteurs RNN

Comprenez comment les modèles RNN-Transducer combinent les images acoustiques et l'historique de sortie pour les tâches de transcription de séquences en streaming.

Chemins de guidage associésModèles de transducteurs Rnn
Question 1 de 8

À quelle limitation du CTC le transducteur RNN répond-il spécifiquement ?

Prévisualisez chaque question8 des questions

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

  1. À quelle limitation du CTC le transducteur RNN répond-il spécifiquement ?
    • L'hypothèse d'indépendance conditionnelle de CTC, qui empêche la modélisation des dépendances entre les jetons de sortie
    • CTC ne peut pas du tout traiter l'audio
    • CTC nécessite que les GPU fonctionnent
    • CTC ne fonctionne que pour les images
  2. Quels sont les trois composants principaux d’un transducteur RNN ?
    • Encodeur, décodeur et discriminateur
    • Encodeur (réseau de transcription), réseau de prédiction et réseau commun
    • Tokenizer, embedder et softmax uniquement
    • Deux têtes d'attention et un routeur
  3. Quel rôle joue le réseau de prédiction dans un RNN-T ?
    • Il compresse la forme d'onde audio
    • Il mesure le volume du microphone
    • Il agit comme un modèle de langage, conditionné aux jetons précédemment émis
    • Il sélectionne le taux d'échantillonnage
  4. Pourquoi RNN-T prend-il si naturellement en charge le streaming à faible latence ?
    • Il traite l'intégralité de l'énoncé en même temps avant d'émettre quoi que ce soit.
    • Il ignore complètement l'ordre du temps
    • Cela ne fonctionne que sur les fichiers préenregistrés
    • Son alignement est monotone et de gauche à droite, avançant dans l'audio avec des blancs
  5. Dans le décodage RNN-T, à quoi sert l’émission d’un jeton vierge ?
    • Passe au pas de temps audio suivant
    • Termine toute la transcription
    • Supprime le mot précédent
    • Passe à une autre langue
  6. Quel type de codeur remplace de plus en plus les LSTM dans les systèmes RNN-T de production modernes ?
    • Arbres de décision
    • Codeurs conformes
    • Un simple sac de mots
    • Modèles de Markov cachés
  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