Quiz collegato alla guida · Medio Livello
Quiz sui modelli di trasduttori RNN
Scopri come i modelli RNN-Transducer combinano fotogrammi acustici e cronologia di output per attività di trascrizione di sequenze di streaming.
Domanda 1 di 8
Quale limitazione del CTC affronta specificamente il trasduttore RNN?
Anteprima di ogni domanda8 domande
Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.
- Quale limitazione del CTC affronta specificamente il trasduttore RNN?
- Il presupposto di indipendenza condizionale di CTC, che impedisce la modellazione delle dipendenze dei token di output
- CTC non è in grado di elaborare l'audio
- CTC richiede l'esecuzione delle GPU
- CTC funziona solo per le immagini
- Quali sono i tre componenti principali di un trasduttore RNN?
- Codificatore, decodificatore e discriminatore
- Codificatore (rete di trascrizione), rete di previsione e rete congiunta
- Solo tokenizzatore, incorporatore e softmax
- Due teste di attenzione e un router
- Che ruolo gioca la rete di previsione in un RNN-T?
- Comprime la forma d'onda audio
- Misura il volume del microfono
- Agisce come un modello linguistico, condizionando i token emessi in precedenza
- Seleziona la frequenza di campionamento
- Perché RNN-T supporta lo streaming a bassa latenza in modo così naturale?
- Elabora l'intera espressione in una volta prima di emettere qualsiasi cosa
- Ignora completamente l'ordine temporale
- Funziona solo su file preregistrati
- Il suo allineamento è monotono e da sinistra a destra e avanza nell'audio con spazi vuoti
- Nella decodifica RNN-T, cosa fa l'emissione di un token vuoto?
- Avanza al passo temporale audio successivo
- Termina l'intera trascrizione
- Cancella la parola precedente
- Passa a una lingua diversa
- Quale tipo di encoder sostituisce sempre più gli LSTM nei moderni sistemi RNN-T di produzione?
- Alberi decisionali
- Encoder conformi
- Semplice sacco di parole
- Modelli Markov nascosti
- 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