Útmutatóhoz kapcsolódó kvíz · Közepes Szint

OpenAI Suttogó kvíz

Review Whisper training-data composition, multilingual behavior, and documented failure modes without assuming transcripts are always correct.

Kapcsolódó útmutató utakOpenai Whisper
kérdés 1 -ból 8

Mi a fő célja OpenAI suttogásának?

Tekintse meg az összes kérdést8 kérdéseket

A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.

  1. Mi a fő célja OpenAI suttogásának?
    • Automatikus beszédfelismerés: hang átírása és fordítása
    • Képek generálása szövegből
    • Számítógépes kód írása
    • 3D animációk készítése
  2. What was true of the language balance in Whisper’s training audio?
    • Every language contributed the same number of hours
    • The dataset was English-heavy, with much less audio for most languages
    • The dataset contained only English audio
    • Most data was studio-recorded speech in one language
  3. What does Whisper use to condition the decoder on the requested task and language?
    • A separate camera feed
    • A hand-written transcript of the answer
    • Special tokens in the decoder prompt
    • A unique model checkpoint for every utterance
  4. Melyik képességet NEM biztosít a Whisper natívan?
    • Beszéd fordítása más nyelvekről angolra
    • A beszélt nyelv észlelése
    • Időbélyegek hozzáadása az átirathoz
    • Valósághű videó generálása felszólításból
  5. Which long-form transcription problems does OpenAI’s paper describe?
    • Repetition loops and missing words near segment edges
    • Perfect diarization of every speaker
    • Automatic correction of every proper noun
    • Guaranteed removal of background music
  6. Mire kell figyelni a Whisper ismert gyengeségére?
    • Nem tud feldolgozni semmilyen angol hangot
    • Időnként „hallucinál” olyan szöveget, amelyet el nem mondanak
    • Csak hangot ad ki, szöveget nem
    • Nem hajlandó írásjeleket hozzáadni
  7. Approximately what share of Whisper’s training data was English audio paired with English transcripts?
    • About 18%
    • kb 1%
    • About 65%
    • About 100%
  8. What use does OpenAI caution against when transcription errors could have serious consequences?
    • Noncommercial experimentation with public samples
    • Időbélyegek hozzáadása az átirathoz
    • Using the model to identify a language
    • High-risk decision-making without appropriate verification