Викторина на распознавание шепотной речи

Ответы и пояснения появляются по мере прохождения теста.

1. Примерно на скольких часах аудио тренировался Whisper?
   • 680 000 часов
   • 6800 часов
   • 68 000 часов
   • 6,8 миллиона часов
2. Какое промежуточное представление Whisper вычисляет из необработанного аудио перед кодировщиком?
   • Тензор необработанного сигнала
   • Логарифмическая спектрограмма
   • Только дельта-функции MFCC
   • Один горячий вектор фонем
3. Как одна модель Whisper выполняет несколько задач, таких как транскрипция и перевод?
   • Он загружает другую модель для каждой задачи.
   • Он запускает отдельные точно настроенные головки параллельно.
   • Специальные токены подсказки указывают задачу при декодировании.
   • Пользователи редактируют спектрограмму вручную
4. Какую общую нейронную архитектуру использует Whisper?
   • Сверточная сеть
   • Рекуррентный стек LSTM
   • Диффузионная модель
   • Кодер-декодер Трансформатор
5. Почему Whisper считается особенно надежным по сравнению с более ранними системами ASR?
   • Он был обучен на разнообразном, шумном реальном веб-аудио.
   • Работает только со студийным звуком.
   • Он не использует машинное обучение
   • Требуется специальный микрофон
6. По какой лицензии выпускались гири Whisper?
   • Собственный, только API
   • Массачусетский технологический институт (с открытым исходным кодом)
   • GPL без коммерческого использования
   • Непроизводные Creative Commons
7. Approximately how long is each audio segment Whisper converts to a log-Mel spectrogram?
   • 3 seconds
   • 3 minutes
   • 30 seconds
   • 30 минут
8. What does Whisper’s English-translation task produce from non-English speech?
   • A translated recording in the speaker’s voice
   • Only a transcript in the original language
   • A list of detected speakers
   • An English text translation