Útmutatóhoz kapcsolódó kvíz · Közepes Szint

Suttogó beszédfelismerési kvíz

Review Whisper’s multilingual audio-to-text design, its token-selected tasks, and what broad training coverage does and does not guarantee.

Kapcsolódó útmutató utakSuttogó beszédfelismerés
kérdés 1 -ból 8

Körülbelül hány órányi hanganyagra képezték ki a Whispert?

Tekintse meg az összes kérdést8 kérdéseket

A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.

  1. Körülbelül hány órányi hanganyagra képezték ki a Whispert?
    • 680.000 óra
    • 6800 óra
    • 68.000 óra
    • 6,8 millió óra
  2. Milyen köztes reprezentációt számít ki a Whisper a kódoló előtti nyers hangból?
    • Nyers hullámforma tenzor
    • Log-Mel spektrogram
    • Csak MFCC delta funkciók
    • Egy forró fonéma vektor
  3. Hogyan hajt végre egyetlen Whisper-modell több feladatot, például átírást és fordítást?
    • Feladatonként más-más modellt tölt be
    • Különálló finomhangolt fejeket futtat párhuzamosan
    • Speciális prompt tokenek határozzák meg a feladatot a dekódolás során
    • A felhasználók manuálisan szerkesztik a spektrogramot
  4. Milyen általános neurális architektúrát használ a Whisper?
    • Csak konvolúciós hálózat
    • Egy visszatérő LSTM verem
    • Egy diffúziós modell
    • Transzformátor kódoló-dekódoló
  5. Miért tartják a Whispert különösen robusztusnak a korábbi ASR rendszerekhez képest?
    • Változatos, zajos, valós internetes hangra képezték ki
    • Csak stúdiótiszta hangon működik
    • Nem használ gépi tanulást
    • Egyedi mikrofon kell hozzá
  6. Milyen licenc alatt adták ki a Whisper modellsúlyait?
    • Saját tulajdonú, csak API
    • MIT (nyílt forráskódú)
    • GPL kereskedelmi felhasználás nélkül
    • A Creative Commons nem származékos
  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