Kuis terkait panduan · Sedang Tingkat

Kuis Penyelarasan Kata dengan Stempel Waktu Bisikan

Lihat bagaimana metode penyelarasan kata Whisper memperkirakan stempel waktu, dan mengapa penyelarasan paksa dan perhatian silang memiliki batasan yang berbeda.

Jalur panduan terkaitPenyelarasan Kata dengan Stempel Waktu Bisikan
Pertanyaan 1 dari 8

Apa yang ditambahkan oleh penyelarasan tingkat kata yang tidak dimiliki oleh keluaran asli Whisper?

Pratinjau setiap pertanyaan8 pertanyaan

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

  1. Apa yang ditambahkan oleh penyelarasan tingkat kata yang tidak dimiliki oleh keluaran asli Whisper?
    • Waktu mulai dan berakhir untuk setiap kata
    • Akurasi transkripsi yang lebih tinggi
    • Label identitas pembicara
    • Penghapusan kebisingan latar belakang
  2. Sinyal internal manakah yang digunakan dengan stempel waktu bisikan untuk menemukan kata tepat waktu?
    • Amplitudo bentuk gelombang audio
    • Bobot perhatian silang dekoder dibandingkan bingkai audio
    • Gradien pengoptimal
    • Ukuran kosakata tokenizer
  3. Why does whisper-timestamped use Dynamic Time Warping during alignment?
    • To translate the transcript into another language
    • To identify the speaker without using audio
    • To find an ordered, monotonic path between token and audio-frame scores
    • To guarantee exact boundaries for every word
  4. Bagaimana WhisperX mempertajam batasan kata dibandingkan dengan perhatian mentah?
    • Ini meningkatkan tingkat pengambilan sampel
    • Ia hanya menggunakan pos pemeriksaan Whisper yang lebih besar
    • Ini menghilangkan tanda baca
    • Ini menjalankan model penyelarasan paksa berbasis fonem terpisah pada teks
  5. Berapa kecepatan encoder Whisper menghasilkan bingkai audio?
    • Sekitar 50 frame per detik (satu frame setiap 20 ms)
    • Tepatnya 1 frame per detik
    • 1000 frame per detik
    • Satu bingkai per kata
  6. Berapa lama Whisper memproses audio?
    • Potongan 5 detik
    • Potongan 30 detik
    • Potongan 2 menit
    • Sampel tunggal
  7. What does forced alignment assume is already available?
    • A speaker identity for every sound
    • A translation in every language
    • A transcript to align with the audio
    • A list of subtitle colors
  8. What limitation should users keep in mind when interpreting word timestamps?
    • They prove the transcript is error-free
    • They always identify the speaker correctly
    • They are guaranteed to have millisecond accuracy
    • They are estimates and can be wrong when speech or alignment is difficult