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.

Laluan panduan yang berkaitanSeni Bina Deepspeech
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.

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