แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบโมเดลทรานสดิวเซอร์ RNN

ทำความเข้าใจวิธีที่โมเดล RNN-Transducer รวมเฟรมเสียงและประวัติเอาต์พุตสำหรับงานถอดรหัสลำดับการสตรีม

เส้นทางแนะนำที่เกี่ยวข้องโมเดลทรานสดิวเซอร์ Rnn
คำถาม 1 ของ 8

ข้อจำกัดใดของ CTC ที่ RNN-Transducer ระบุเป็นพิเศษ

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. ข้อจำกัดใดของ CTC ที่ RNN-Transducer ระบุเป็นพิเศษ
    • สมมติฐานความเป็นอิสระแบบมีเงื่อนไขของ CTC ซึ่งป้องกันการสร้างแบบจำลองการพึ่งพาโทเค็นเอาต์พุต
    • CTC ไม่สามารถประมวลผลเสียงได้เลย
    • CTC ต้องใช้ GPU เพื่อทำงาน
    • CTC ใช้ได้กับรูปภาพเท่านั้น
  2. องค์ประกอบหลักสามประการของ RNN-Transducer คืออะไร
    • ตัวเข้ารหัส ตัวถอดรหัส และตัวแยกแยะ
    • ตัวเข้ารหัส (เครือข่ายการถอดเสียง) เครือข่ายการทำนาย และเครือข่ายร่วม
    • Tokenizer, Embedder และ Softmax เท่านั้น
    • หัวความสนใจสองหัวและเราเตอร์
  3. เครือข่ายการทำนายมีบทบาทอย่างไรใน RNN-T
    • มันบีบอัดรูปคลื่นเสียง
    • มันวัดระดับเสียงไมโครโฟน
    • มันทำหน้าที่เหมือนโมเดลภาษา โดยมีเงื่อนไขกับโทเค็นที่ปล่อยออกมาก่อนหน้านี้
    • มันเลือกอัตราการสุ่มตัวอย่าง
  4. เหตุใด RNN-T จึงรองรับการสตรีมที่มีความหน่วงต่ำอย่างเป็นธรรมชาติ
    • มันประมวลผลคำพูดทั้งหมดพร้อมกันก่อนที่จะเปล่งสิ่งใดออกมา
    • มันละเลยลำดับเวลาโดยสิ้นเชิง
    • ใช้งานได้กับไฟล์ที่บันทึกไว้ล่วงหน้าเท่านั้น
    • การจัดแนวเป็นแบบโมโนโทนิกและจากซ้ายไปขวา เลื่อนผ่านเสียงพร้อมช่องว่าง
  5. ในการถอดรหัส RNN-T การปล่อยโทเค็นเปล่าทำหน้าที่อะไร
    • ก้าวไปสู่ขั้นตอนเวลาเสียงถัดไป
    • สิ้นสุดการถอดเสียงทั้งหมด
    • ลบคำก่อนหน้า
    • เปลี่ยนไปใช้ภาษาอื่น
  6. ตัวเข้ารหัสประเภทใดที่มาแทนที่ LSTM ในระบบ RNN-T การผลิตสมัยใหม่มากขึ้น
    • ต้นไม้การตัดสินใจ
    • เครื่องเข้ารหัส Conformer
    • ถุงคำพูดธรรมดา
    • โมเดลมาร์คอฟที่ซ่อนอยู่
  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