डीपस्पीच आर्किटेक्चर क्विज़

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

1. कौन सा हानि फ़ंक्शन डीपस्पीच को ऑडियो और टेक्स्ट के बीच फ़्रेम-स्तरीय संरेखण के बिना प्रशिक्षित करने की अनुमति देता है?
   • माध्य वर्ग त्रुटि
   • निश्चित-लंबाई वाली खिड़कियों पर क्रॉस-एन्ट्रॉपी
   • कनेक्शनिस्ट टेम्पोरल वर्गीकरण (सीटीसी)
   • त्रिक हानि
2. डीपस्पीच द्वारा लोकप्रिय बनाया गया मुख्य वास्तुशिल्प दर्शन क्या था?
   • ऑडियो सुविधाओं से लेकर टेक्स्ट तक एकल तंत्रिका नेटवर्क का अंत-से-अंत प्रशिक्षण
   • पहचान को कई हस्तनिर्मित, अलग-अलग घटकों में विभाजित करना
   • केवल नियम-आधारित ध्वन्यात्मक शब्दकोशों का उपयोग करना
   • टेम्प्लेट मिलान के साथ विशुद्ध रूप से भाषण को पहचानना
3. डीपस्पीच द्विदिशात्मक आवर्तक परत का उपयोग क्यों करता है?
   • ऑडियो फ़ाइल आकार को संपीड़ित करने के लिए
   • प्रत्येक भविष्यवाणी को अतीत और भविष्य दोनों फ़्रेमों से संदर्भ देना
   • भाषाओं के बीच अनुवाद करना
   • किसी भी प्रशिक्षण डेटा की आवश्यकता को दूर करने के लिए
4. डीपस्पीच आम तौर पर किस प्रकार की इनपुट सुविधाओं पर काम करता है?
   • कच्चा पिक्सेल डेटा
   • पूर्व-लिखित पाठ प्रतिलेख
   • संपीड़ित एमपी3 मेटाडेटा टैग
   • स्पेक्ट्रोग्राम या एमएफसीसी सुविधाओं की गणना छोटे ऑडियो फ़्रेमों पर की जाती है
5. डीपस्पीच के शब्द चयन और वर्तनी को बेहतर बनाने के लिए डिकोड समय पर अक्सर क्या जोड़ा जाता है?
   • एक बाहरी भाषा मॉडल (उदाहरण के लिए, एक एन-ग्राम मॉडल)
   • एक दूसरा माइक्रोफोन
   • एक बड़ा छवि वर्गीकरणकर्ता
   • एक हार्डवेयर एन्क्रिप्शन चिप
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