Quiz collegato alla guida · Medio Livello

Quiz sul riconoscimento vocale sussurro

Esamina il design audio-testo multilingue di Whisper, le sue attività selezionate tramite token e ciò che l'ampia copertura della formazione garantisce e non garantisce.

Percorsi guida correlatiRiconoscimento vocale sussurro
Domanda 1 di 8

Approssimativamente per quante ore di audio è stato addestrato Whisper?

Anteprima di ogni domanda8 domande

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

  1. Approssimativamente per quante ore di audio è stato addestrato Whisper?
    • 680.000 ore
    • 6.800 ore
    • 68.000 ore
    • 6,8 milioni di ore
  2. Quale rappresentazione intermedia calcola Whisper dall'audio grezzo prima del codificatore?
    • Un tensore di forma d'onda grezza
    • Uno spettrogramma log-Mel
    • Solo funzionalità delta MFCC
    • Un vettore di fonemi a caldo
  3. In che modo un singolo modello Whisper esegue più attività come la trascrizione e la traduzione?
    • Carica un modello diverso per attività
    • Funziona con testine separate e messe a punto in parallelo
    • Token di richiesta speciali specificano l'attività durante la decodifica
    • Gli utenti modificano manualmente lo spettrogramma
  4. Quale architettura neurale complessiva utilizza Whisper?
    • Una rete solo convoluzionale
    • Uno stack LSTM ricorrente
    • Un modello di diffusione
    • Un codificatore-decodificatore Transformer
  5. Perché Whisper è considerato particolarmente robusto rispetto ai precedenti sistemi ASR?
    • È stato addestrato su audio web diversi e rumorosi del mondo reale
    • Funziona solo con audio pulito da studio
    • Non utilizza l'apprendimento automatico
    • Richiede un microfono personalizzato
  6. Con quale licenza sono stati rilasciati i pesi modello Whisper?
    • Proprietario, solo API
    • MIT (open source)
    • GPL senza uso commerciale
    • Creative Commons non derivato
  7. Approximately how long is each audio segment Whisper converts to a log-Mel spectrogram?
    • 3 seconds
    • 3 minutes
    • 30 seconds
    • 30 minuti
  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