แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ
แบบทดสอบโมเดลทรานสดิวเซอร์ RNN
ทำความเข้าใจวิธีที่โมเดล RNN-Transducer รวมเฟรมเสียงและประวัติเอาต์พุตสำหรับงานถอดรหัสลำดับการสตรีม
คำถาม 1 ของ 8
ข้อจำกัดใดของ CTC ที่ RNN-Transducer ระบุเป็นพิเศษ
ดูตัวอย่างทุกคำถาม8 คำถาม
คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ
- ข้อจำกัดใดของ CTC ที่ RNN-Transducer ระบุเป็นพิเศษ
- สมมติฐานความเป็นอิสระแบบมีเงื่อนไขของ CTC ซึ่งป้องกันการสร้างแบบจำลองการพึ่งพาโทเค็นเอาต์พุต
- CTC ไม่สามารถประมวลผลเสียงได้เลย
- CTC ต้องใช้ GPU เพื่อทำงาน
- CTC ใช้ได้กับรูปภาพเท่านั้น
- องค์ประกอบหลักสามประการของ RNN-Transducer คืออะไร
- ตัวเข้ารหัส ตัวถอดรหัส และตัวแยกแยะ
- ตัวเข้ารหัส (เครือข่ายการถอดเสียง) เครือข่ายการทำนาย และเครือข่ายร่วม
- Tokenizer, Embedder และ Softmax เท่านั้น
- หัวความสนใจสองหัวและเราเตอร์
- เครือข่ายการทำนายมีบทบาทอย่างไรใน RNN-T
- มันบีบอัดรูปคลื่นเสียง
- มันวัดระดับเสียงไมโครโฟน
- มันทำหน้าที่เหมือนโมเดลภาษา โดยมีเงื่อนไขกับโทเค็นที่ปล่อยออกมาก่อนหน้านี้
- มันเลือกอัตราการสุ่มตัวอย่าง
- เหตุใด RNN-T จึงรองรับการสตรีมที่มีความหน่วงต่ำอย่างเป็นธรรมชาติ
- มันประมวลผลคำพูดทั้งหมดพร้อมกันก่อนที่จะเปล่งสิ่งใดออกมา
- มันละเลยลำดับเวลาโดยสิ้นเชิง
- ใช้งานได้กับไฟล์ที่บันทึกไว้ล่วงหน้าเท่านั้น
- การจัดแนวเป็นแบบโมโนโทนิกและจากซ้ายไปขวา เลื่อนผ่านเสียงพร้อมช่องว่าง
- ในการถอดรหัส RNN-T การปล่อยโทเค็นเปล่าทำหน้าที่อะไร
- ก้าวไปสู่ขั้นตอนเวลาเสียงถัดไป
- สิ้นสุดการถอดเสียงทั้งหมด
- ลบคำก่อนหน้า
- เปลี่ยนไปใช้ภาษาอื่น
- ตัวเข้ารหัสประเภทใดที่มาแทนที่ LSTM ในระบบ RNN-T การผลิตสมัยใหม่มากขึ้น
- ต้นไม้การตัดสินใจ
- เครื่องเข้ารหัส Conformer
- ถุงคำพูดธรรมดา
- โมเดลมาร์คอฟที่ซ่อนอยู่
- 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