कनेक्शनिस्ट टेम्पोरल वर्गीकरण प्रश्नोत्तरी

जैसे ही आप प्रश्नोत्तरी लेते हैं उत्तर और स्पष्टीकरण दिखाई देते हैं।

1. वाक् पहचान के लिए सीटीसी को किस मुख्य समस्या को हल करने के लिए डिज़ाइन किया गया था?
   • फ़्रेम-स्तरीय लेबल के बिना आउटपुट टेक्स्ट में अखंडित ऑडियो फ़्रेम को संरेखित करना
   • भंडारण के लिए ऑडियो फ़ाइलों को संपीड़ित करना
   • भाषण का एक भाषा से दूसरी भाषा में अनुवाद करना
   • रिकॉर्डिंग से पृष्ठभूमि शोर हटाना
2. सीटीसी में विशेष 'रिक्त' टोकन का उपयोग किसके लिए किया जाता है?
   • केवल पूरे वाक्य के अंत को चिह्नित करने के लिए
   • 'यहां कोई नया आउटपुट नहीं' का प्रतिनिधित्व करने के लिए और वास्तविक दोहराए गए पात्रों को अलग करने के लिए
   • भाषा मॉडल संभाव्यता को संग्रहीत करने के लिए
   • मूल ऑडियो तरंग में मौन को इंगित करने के लिए
3. सीटीसी लक्ष्य प्रतिलेखन के लिए हानि की गणना कैसे करती है?
   • यह सबसे अधिक संभावित संरेखण को चुनता है और बाकी को अनदेखा कर देता है
   • यह फ्रेम दर फ्रेम पिक्सेल मानों की तुलना करता है
   • यह उन सभी वैध फ्रेम-पथों की संभावनाओं का योग करता है जो लक्ष्य पाठ तक पहुंचते हैं
   • यह समय के साथ ऑडियो आयाम का औसत निकालता है
4. फ्रेम-पथ को अंतिम पाठ में बदलने के लिए सीटीसी लागू होने वाले दो संक्षिप्त नियम क्या हैं?
   • अक्षरों को बड़े अक्षरों में लिखें, फिर विराम चिह्न जोड़ें
   • क्रम को उल्टा करें, फिर स्वर हटा दें
   • रिक्त स्थान जोड़ें, फिर फ़ोनेम्स में अनुवाद करें
   • लगातार दोहराए गए वर्णों को मर्ज करें, फिर रिक्त टोकन हटाएं
5. मानक सीटीसी अपने आउटपुट के बारे में क्या सरल धारणा बनाता है?
   • प्रत्येक फ़्रेम की भविष्यवाणी ऑडियो दिए गए अन्य फ़्रेमों से सशर्त रूप से स्वतंत्र है
   • आउटपुट पहले से उत्सर्जित वर्णों पर बहुत अधिक निर्भर करते हैं
   • ऑडियो बिल्कुल एक सेकंड लंबा होना चाहिए
   • प्रत्येक पात्र बिल्कुल एक फ्रेम लेता है
6. फ़्यूज़्ड भाषा मॉडल के साथ बीम खोज को अक्सर सीटीसी में लालची डिकोडिंग से अधिक प्राथमिकता क्यों दी जाती है?
   • यह हर डिवाइस पर तेजी से चलता है
   • यह सीटीसी में आंतरिक भाषा मॉडल की कमी की भरपाई करता है, सटीकता में सुधार करता है
   • यह रिक्त टोकन की आवश्यकता को हटा देता है
   • यह नेटवर्क को प्रशिक्षित करने की आवश्यकता को समाप्त करता है
7. What length constraint does CTC place on an output sequence relative to input frames?
   • The target must always have exactly the same length as the input
   • The target must contain twice as many labels as input frames
   • The target cannot require more output labels than there are input time steps
   • CTC requires a fixed 256-token output
8. How can CTC compute the sum over many valid alignments without explicitly listing every path?
   • By selecting one random path and ignoring all others
   • By running a separate language model for every audio frame
   • By sorting the transcript alphabetically
   • Using a forward-backward dynamic-programming recurrence over an alignment lattice