Kuiz berkaitan panduan · Sederhana Tahap
Kuiz Seni Bina DeepSpeech
Terokai ciri akustik DeepSpeech, konteks berulang, output aksara, penjajaran CTC dan konteks yang diperlukan untuk pengecaman luar talian atau langsung.
soalan 1 daripada 8
Apakah fungsi kehilangan yang membolehkan DeepSpeech berlatih tanpa penjajaran tahap bingkai antara audio dan teks?
Pratonton setiap soalan8 soalan
Jawapan dan penjelasan muncul semasa anda mengambil kuiz.
- Apakah fungsi kehilangan yang membolehkan DeepSpeech berlatih tanpa penjajaran tahap bingkai antara audio dan teks?
- Min ralat kuasa dua
- Entropi silang pada tingkap panjang tetap
- Klasifikasi Temporal Connectionist (CTC)
- Kehilangan tiga kali ganda
- Apakah falsafah seni bina utama yang dipopularkan DeepSpeech?
- Latihan hujung ke hujung rangkaian saraf tunggal daripada ciri audio kepada teks
- Membahagikan pengecaman kepada banyak komponen berasingan yang direka bentuk dengan tangan
- Hanya menggunakan kamus fonetik berasaskan peraturan
- Mengecam pertuturan semata-mata dengan padanan templat
- Mengapakah DeepSpeech menggunakan lapisan berulang dua arah?
- Untuk memampatkan saiz fail audio
- Untuk memberikan setiap konteks ramalan daripada bingkai masa lalu dan akan datang
- Untuk menterjemah antara bahasa
- Untuk mengalih keluar keperluan untuk sebarang data latihan
- Apakah jenis ciri input yang biasanya dikendalikan oleh DeepSpeech?
- Data piksel mentah
- Transkrip teks pra-tulisan
- Tag metadata MP3 yang dimampatkan
- Spektrogram atau ciri MFCC dikira melalui bingkai audio pendek
- Apakah yang sering ditambah pada masa menyahkod untuk menambah baik pilihan perkataan dan ejaan DeepSpeech?
- Model bahasa luaran (cth., model n-gram)
- Mikrofon kedua
- Pengelas imej yang lebih besar
- Cip penyulitan perkakasan
- What does the original DeepSpeech output layer predict at each acoustic time step?
- A fixed speaker-identity vector only
- A single complete translated document with no time steps
- A probability distribution over character labels and the CTC blank
- The recording's filename and compression format
- How does CTC relate an acoustic-frame label path to the final DeepSpeech transcript?
- It sorts all character labels alphabetically
- It requires exactly one audio frame for each word
- It keeps every repeated frame label as a separate written character
- It collapses repetitions and removes blank symbols according to the CTC rule
- Why does original DeepSpeech's bidirectional acoustic context matter when designing a live recognizer?
- Bidirectional recurrence needs no future observations
- Future-frame context requires lookahead or waiting, so it is not automatically zero-lookahead streaming
- The network can know later audio before it is recorded
- A character language model removes all buffering requirements