Útmutatóhoz kapcsolódó kvíz · Közepes Szint
RNN-Transducer Models kvíz
Understand how RNN-Transducer models combine acoustic frames and output history for streaming sequence transcription tasks.
kérdés 1 -ból 8
A CTC melyik korlátozására vonatkozik az RNN-Transducer?
Tekintse meg az összes kérdést8 kérdéseket
A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.
- A CTC melyik korlátozására vonatkozik az RNN-Transducer?
- A CTC feltételes függetlenségi feltételezése, amely megakadályozza a kimeneti token függőségek modellezését
- A CTC egyáltalán nem tudja feldolgozni a hangot
- A CTC futtatásához GPU-kra van szükség
- A CTC csak képeknél működik
- Mi az RNN-Transducer három fő összetevője?
- Kódoló, dekódoló és diszkriminátor
- Kódoló (átírási hálózat), előrejelző hálózat és közös hálózat
- Csak Tokenizátor, beágyazó és softmax
- Két figyelemfelkeltő fej és egy router
- Milyen szerepet játszik az előrejelző hálózat az RNN-T-ben?
- Tömöríti az audio hullámformát
- A mikrofon hangerejét méri
- Nyelvi modellként működik, és a korábban kibocsátott tokeneket kondicionálja
- Kiválasztja a mintavételi frekvenciát
- Miért támogatja az RNN-T olyan természetesen az alacsony késleltetésű adatfolyamot?
- Egyszerre feldolgozza az egész megnyilatkozást, mielőtt bármit is kiadna
- Teljesen figyelmen kívül hagyja az időrendet
- Csak előre rögzített fájlokon működik
- Az igazítása monoton és balról jobbra haladva halad a hangon üres helyekkel
- Az RNN-T dekódolásnál mit csinál egy üres token kibocsátása?
- Továbblép a következő hangidő-lépésre
- Befejezi a teljes átírást
- Törli az előző szót
- Másik nyelvre vált
- Melyik kódolótípus váltja fel egyre inkább az LSTM-eket a modern, sorozatgyártású RNN-T rendszerekben?
- Döntési fák
- Konformer kódolók
- Egyszerű szózsák
- Rejtett Markov modellek
- 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
- 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