Gids-gekoppelde quiz · Middelmatig Niveau

RNN-transducermodellen Quiz

Begrijp hoe RNN-Transducer-modellen akoestische frames en uitvoergeschiedenis combineren voor streaming sequencetranscriptietaken.

Gerelateerde gidspadenRnn-transducermodellen
Vraag 1 van 8

Welke beperking van CTC wordt specifiek aangepakt door de RNN-transducer?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. Welke beperking van CTC wordt specifiek aangepakt door de RNN-transducer?
    • De aanname van voorwaardelijke onafhankelijkheid van CTC, die het modelleren van afhankelijkheden van uitvoertokens verhindert
    • CTC kan helemaal geen audio verwerken
    • Voor CTC zijn GPU's vereist om te kunnen werken
    • CTC werkt alleen voor afbeeldingen
  2. Wat zijn de drie belangrijkste componenten van een RNN-transducer?
    • Encoder, decoder en discriminator
    • Encoder (transcriptienetwerk), voorspellingsnetwerk en gezamenlijk netwerk
    • Alleen Tokenizer, Embedder en Softmax
    • Twee aandachtskoppen en een router
  3. Welke rol speelt het voorspellingsnetwerk in een RNN-T?
    • Het comprimeert de audiogolfvorm
    • Het meet het microfoonvolume
    • Het fungeert als een taalmodel, afhankelijk van eerder uitgezonden tokens
    • Het selecteert de bemonsteringsfrequentie
  4. Waarom ondersteunt RNN-T streaming met lage latentie zo natuurlijk?
    • Het verwerkt de hele uiting in één keer voordat er iets wordt uitgezonden
    • Het negeert de tijdvolgorde volledig
    • Het werkt alleen op vooraf opgenomen bestanden
    • De uitlijning is monotoon en van links naar rechts, waarbij de audio met spaties wordt doorlopen
  5. Wat doet het uitzenden van een leeg token bij RNN-T-decodering?
    • Gaat door naar de volgende audiotijdstap
    • Beëindigt de gehele transcriptie
    • Verwijdert het vorige woord
    • Schakelt over naar een andere taal
  6. Welk encodertype vervangt in toenemende mate LSTM's in moderne productie-RNN-T-systemen?
    • Beslisbomen
    • Conformer-encoders
    • Gewoon een zak vol woorden
    • Verborgen Markov-modellen
  7. What two histories condition the RNN-T joint network’s output distribution?
    • Only the future transcript and a speaker photo
    • Only the last acoustic frame, without output context
    • The encoder representation of acoustic input and the prediction-network representation of prior output labels
    • The optimizer state and learning rate
  8. What alignment behavior does an RNN-T allow before advancing to the next audio frame?
    • It must emit exactly one label for every frame
    • It advances time only after a word-final token
    • It generates all output before reading any audio
    • It can emit zero or more nonblank labels at the current frame, then a blank advances time