ガイド連動クイズ · 中 レベル

ささやき音声認識クイズ

Whisper の多言語音声からテキストへの設計、そのトークン選択タスク、および広範なトレーニング範囲で何が保証されるのか、何が保証されないのかを確認してください。

関連するガイドパスささやき音声認識
質問 1 の 8

Whisper のトレーニングはおよそ何時間の音声で行われましたか?

すべての質問をプレビューする8 質問

クイズに答えると、答えと解説が表示されます。

  1. Whisper のトレーニングはおよそ何時間の音声で行われましたか?
    • 680,000時間
    • 6,800時間
    • 68,000時間
    • 680万時間
  2. Whisper はエンコーダーの前に生のオーディオからどのような中間表現を計算しますか?
    • 生の波形テンソル
    • ログメルスペクトログラム
    • MFCC デルタ機能のみ
    • ワンホット音素ベクトル
  3. 単一の Whisper モデルは、転写や翻訳などの複数のタスクをどのように実行するのでしょうか?
    • タスクごとに異なるモデルをロードします
    • 微調整された個別のヘッドを並行して実行します
    • 特別なプロンプト トークンはデコード中にタスクを指定します
    • ユーザーはスペクトログラムを手動で編集します
  4. Whisper は全体的にどのようなニューラル アーキテクチャを使用していますか?
    • 畳み込み専用ネットワーク
    • 反復的な LSTM スタック
    • 普及モデル
    • Transformer エンコーダ/デコーダ
  5. Whisper が以前の ASR システムと比べて特に堅牢であると考えられるのはなぜですか?
    • 多様でノイズの多い現実世界の Web オーディオでトレーニングされました
    • スタジオクリーンオーディオでのみ動作します
    • 機械学習は使用しません
    • カスタムマイクが必要です
  6. Whisper のモデルウェイトはどのライセンスに基づいてリリースされましたか?
    • 独自の API のみ
    • MIT (オープンソース)
    • 商用利用を禁止するGPL
    • クリエイティブ コモンズ非派生
  7. Approximately how long is each audio segment Whisper converts to a log-Mel spectrogram?
    • 3 seconds
    • 3 minutes
    • 30 seconds
    • 30 minutes
  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