Gids-gekoppelde quiz · Middelmatig Niveau
RNN-transducermodellen Quiz
Begrijp hoe RNN-Transducer-modellen akoestische frames en uitvoergeschiedenis combineren voor streaming sequencetranscriptietaken.
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.
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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