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.

Percorsi guida correlatiModelli di trasduttori Rnn
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.

  1. 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
  2. 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
  3. 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
  4. 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
  5. 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
  6. 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
  7. 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
  8. 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