Maswali yanayounganishwa na mwongozo · Kati Kiwango

Maswali ya Miundo ya RNN-Transducer

Elewa jinsi miundo ya RNN-Transducer inavyochanganya fremu za akustika na historia ya matokeo kwa ajili ya kazi za unukuzi wa mfuatano.

Njia za mwongozo zinazohusianaMifano ya Transducer ya Rnn
Swali 1 ya 8

Je, ni kizuizi kipi cha CTC ambacho RNN-Transducer hushughulikia mahususi?

Hakiki kila swali8 maswali

Majibu na maelezo huonekana unapojibu maswali.

  1. Je, ni kizuizi kipi cha CTC ambacho RNN-Transducer hushughulikia mahususi?
    • Dhana ya uhuru wa masharti ya CTC, ambayo inazuia utegemezi wa tokeni wa kutoa mfano.
    • CTC haiwezi kuchakata sauti hata kidogo
    • CTC inahitaji GPU ili kuendesha
    • CTC inafanya kazi kwa picha pekee
  2. Je, ni sehemu gani tatu kuu za RNN-Transducer?
    • Kisimbaji, avkodare na kibaguzi
    • Kisimbaji (mtandao wa unukuzi), mtandao wa ubashiri, na mtandao wa pamoja
    • Tokenizer, embedder, na softmax pekee
    • Vichwa viwili vya tahadhari na kipanga njia
  3. Mtandao wa utabiri una jukumu gani katika RNN-T?
    • Inabana muundo wa wimbi la sauti
    • Inapima sauti ya kipaza sauti
    • Inafanya kazi kama modeli ya lugha, ikizingatia tokeni zilizotolewa hapo awali
    • Inachagua kiwango cha sampuli
  4. Kwa nini RNN-T inaauni utiririshaji wa latency ya chini kiasili?
    • Huchakata usemi mzima mara moja kabla ya kutoa chochote
    • Inapuuza agizo la wakati kabisa
    • Inafanya kazi tu kwenye faili zilizorekodiwa mapema
    • Mpangilio wake ni wa sauti moja na wa kushoto kwenda kulia, unaoendelea kupitia sauti iliyo na nafasi zilizo wazi
  5. Katika usimbuaji wa RNN-T, kutoa tokeni tupu hufanya nini?
    • Maendeleo kwa hatua inayofuata ya wakati wa sauti
    • Huhitimisha unukuzi mzima
    • Hufuta neno lililotangulia
    • Hubadili hadi lugha tofauti
  6. Ni aina gani ya usimbaji inazidi kuchukua nafasi ya LSTM katika mifumo ya kisasa ya uzalishaji ya RNN-T?
    • Miti ya maamuzi
    • Visimbaji vya kibadilishaji
    • Mfuko wa maneno wazi
    • Siri Markov Models
  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