Quiz collegato alla guida · Medio Livello

Quiz sull'architettura di DeepSpeech

Esplora le funzionalità acustiche di DeepSpeech, il contesto ricorrente, gli output dei caratteri, gli allineamenti CTC e il contesto necessario per il riconoscimento offline o dal vivo.

Percorsi guida correlatiArchitettura del discorso profondo
Domanda 1 di 8

Quale funzione di perdita consente a DeepSpeech di allenarsi senza allineamento a livello di fotogramma tra audio e testo?

Anteprima di ogni domanda8 domande

Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.

  1. Quale funzione di perdita consente a DeepSpeech di allenarsi senza allineamento a livello di fotogramma tra audio e testo?
    • Errore quadratico medio
    • Entropia incrociata su finestre di lunghezza fissa
    • Classificazione temporale connessionista (CTC)
    • Perdita di triplette
  2. Qual è stata la principale filosofia architettonica resa popolare da DeepSpeech?
    • Addestramento end-to-end di una singola rete neurale dalle funzionalità audio al testo
    • Suddivisione del riconoscimento in molti componenti separati progettati manualmente
    • Utilizzando solo dizionari fonetici basati su regole
    • Riconoscimento del parlato esclusivamente con la corrispondenza del modello
  3. Perché DeepSpeech utilizza un livello ricorrente bidirezionale?
    • Per comprimere la dimensione del file audio
    • Per fornire a ogni previsione un contesto sia dai fotogrammi passati che da quelli futuri
    • Tradurre tra le lingue
    • Per eliminare la necessità di dati di addestramento
  4. Su che tipo di funzionalità di input funziona solitamente DeepSpeech?
    • Dati pixel grezzi
    • Trascrizioni di testi già scritti
    • Tag di metadati MP3 compressi
    • Funzionalità dello spettrogramma o MFCC calcolate su brevi fotogrammi audio
  5. Cosa viene spesso aggiunto in fase di decodifica per migliorare la scelta delle parole e l'ortografia di DeepSpeech?
    • Un modello linguistico esterno (ad esempio, un modello n-grammi)
    • Un secondo microfono
    • Un classificatore di immagini più grande
    • Un chip di crittografia hardware
  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