Questionário vinculado ao guia · Médio Nível

Questionário de modelos de transdutores RNN

Entenda como os modelos RNN-Transducer combinam quadros acústicos e histórico de saída para tarefas de transcrição de sequência de streaming.

Caminhos de guia relacionadosModelos de transdutores Rnn
Pergunta 1 de 8

Qual limitação do CTC o transdutor RNN aborda especificamente?

Visualize cada pergunta8 perguntas

As respostas e explicações aparecem conforme você responde ao teste.

  1. Qual limitação do CTC o transdutor RNN aborda especificamente?
    • Suposição de independência condicional do CTC, que impede a modelagem de dependências de token de saída
    • O CTC não consegue processar o áudio
    • CTC requer GPUs para funcionar
    • CTC só funciona para imagens
  2. Quais são os três componentes principais de um transdutor RNN?
    • Codificador, decodificador e discriminador
    • Codificador (rede de transcrição), rede de predição e rede conjunta
    • Somente tokenizador, incorporador e softmax
    • Duas cabeças de atenção e um roteador
  3. Qual o papel da rede de predição em um RNN-T?
    • Ele comprime a forma de onda de áudio
    • Ele mede o volume do microfone
    • Ele atua como um modelo de linguagem, condicionado a tokens emitidos anteriormente
    • Ele seleciona a taxa de amostragem
  4. Por que o RNN-T suporta streaming de baixa latência tão naturalmente?
    • Ele processa todo o enunciado de uma vez antes de emitir qualquer coisa
    • Ele ignora totalmente a ordem do tempo
    • Funciona apenas em arquivos pré-gravados
    • Seu alinhamento é monotônico e da esquerda para a direita, avançando pelo áudio com espaços em branco
  5. Na decodificação RNN-T, o que a emissão de um token em branco faz?
    • Avança para a próxima etapa de tempo de áudio
    • Termina toda a transcrição
    • Exclui a palavra anterior
    • Muda para um idioma diferente
  6. Qual tipo de codificador substitui cada vez mais os LSTMs nos modernos sistemas RNN-T de produção?
    • Árvores de decisão
    • Codificadores conformadores
    • Saco de palavras simples
    • Modelos ocultos de Markov
  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