Quiz collegato alla guida · Medio Livello

Quiz sull'allineamento delle parole con timestamp di Whisper

Scopri come i metodi di allineamento delle parole Whisper stimano i timestamp e perché l'allineamento forzato e l'attenzione incrociata hanno limiti diversi.

Domanda 1 di 8

Cosa aggiunge l'allineamento a livello di parola che manca all'output nativo di Whisper?

Anteprima di ogni domanda8 domande

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

  1. Cosa aggiunge l'allineamento a livello di parola che manca all'output nativo di Whisper?
    • Un'ora di inizio e di fine per ogni singola parola
    • Maggiore precisione di trascrizione
    • Etichette identificative dei relatori
    • Rimozione del rumore di fondo
  2. Quale segnale interno utilizza il timestamp del sussurro per localizzare le parole nel tempo?
    • L'ampiezza della forma d'onda audio
    • L'attenzione incrociata del decodificatore pesa sui frame audio
    • I gradienti dell'ottimizzatore
    • La dimensione del vocabolario del tokenizzatore
  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. In che modo WhisperX affina i confini delle parole rispetto alla pura attenzione?
    • Aumenta la frequenza di campionamento
    • Utilizza solo un checkpoint Whisper più grande
    • Rimuove la punteggiatura
    • Esegue un modello di allineamento forzato basato su fonemi separato sul testo
  5. A quale velocità il codificatore di Whisper produce frame audio?
    • Circa 50 fotogrammi al secondo (uno ogni 20 ms)
    • Esattamente 1 fotogramma al secondo
    • 1000 fotogrammi al secondo
    • Un fotogramma per parola
  6. In quali blocchi di lunghezza Whisper elabora l'audio?
    • Pezzi di 5 secondi
    • Pezzi da 30 secondi
    • Pezzi da 2 minuti
    • Campioni singoli
  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