Quiz de reconnaissance vocale chuchotée

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

1. Environ combien d’heures d’audio Whisper a-t-il été formé ?
   • 680 000 heures
   • 6 800 heures
   • 68 000 heures
   • 6,8 millions d'heures
2. Quelle représentation intermédiaire Whisper calcule-t-il à partir de l'audio brut avant l'encodeur ?
   • Un tenseur de forme d'onde brute
   • Un spectrogramme log-Mel
   • Fonctionnalités delta MFCC uniquement
   • Un vecteur de phonème unique
3. Comment un seul modèle Whisper effectue-t-il plusieurs tâches telles que la transcription et la traduction ?
   • Il charge un modèle différent par tâche
   • Il fait fonctionner des têtes distinctes et affinées en parallèle
   • Les jetons d'invite spéciaux spécifient la tâche lors du décodage
   • Les utilisateurs modifient le spectrogramme manuellement
4. Quelle architecture neuronale globale Whisper utilise-t-il ?
   • Un réseau uniquement convolutif
   • Une stack LSTM récurrente
   • Un modèle de diffusion
   • Un encodeur-décodeur Transformateur
5. Pourquoi Whisper est-il considéré comme particulièrement robuste par rapport aux systèmes ASR précédents ?
   • Il a été formé sur des données audio Web diverses et bruyantes du monde réel.
   • Cela ne fonctionne que sur un son propre en studio
   • Il n'utilise aucun apprentissage automatique
   • Cela nécessite un microphone personnalisé
6. Sous quelle licence les poids des modèles Whisper ont-ils été publiés ?
   • Propriétaire, API uniquement
   • MIT (open source)
   • GPL sans utilisation commerciale
   • Creative Commons non dérivé
7. Approximately how long is each audio segment Whisper converts to a log-Mel spectrogram?
   • 3 seconds
   • 3 minutes
   • 30 seconds
   • 30 minutes
8. What does Whisper’s English-translation task produce from non-English speech?
   • A translated recording in the speaker’s voice
   • Only a transcript in the original language
   • A list of detected speakers
   • An English text translation