แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ
แบบทดสอบการจัดตำแหน่งคำ Whisper Timestamped
ดูว่าวิธีการจัดเรียงคำของ Whisper ประมาณการประทับเวลาอย่างไร และเหตุใดการบังคับการจัดตำแหน่งและความสนใจข้ามจึงมีขีดจำกัดที่แตกต่างกัน
คำถาม 1 ของ 8
การจัดตำแหน่งระดับคำจะเพิ่มสิ่งใดที่เอาต์พุตดั้งเดิมของ Whisper ขาดไป
ดูตัวอย่างทุกคำถาม8 คำถาม
คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ
- การจัดตำแหน่งระดับคำจะเพิ่มสิ่งใดที่เอาต์พุตดั้งเดิมของ Whisper ขาดไป
- เวลาเริ่มต้นและสิ้นสุดของทุกคำ
- ความแม่นยำในการถอดความที่สูงขึ้น
- ป้ายระบุตัวตนของผู้พูด
- การกำจัดเสียงรบกวนพื้นหลัง
- สัญญาณภายในใดที่การประทับเวลากระซิบใช้เพื่อค้นหาคำที่ทันเวลา
- แอมพลิจูดของรูปคลื่นเสียง
- น้ำหนักความสนใจข้ามของตัวถอดรหัสเหนือเฟรมเสียง
- การไล่ระดับสีของเครื่องมือเพิ่มประสิทธิภาพ
- ขนาดคำศัพท์โทเค็น
- Why does whisper-timestamped use Dynamic Time Warping during alignment?
- To translate the transcript into another language
- To identify the speaker without using audio
- To find an ordered, monotonic path between token and audio-frame scores
- To guarantee exact boundaries for every word
- WhisperX ทำให้ขอบเขตคำคมชัดขึ้นเมื่อเปรียบเทียบกับความสนใจแบบดิบได้อย่างไร
- มันเพิ่มอัตราการสุ่มตัวอย่าง
- มันใช้จุดตรวจ Whisper ที่ใหญ่กว่าเท่านั้น
- มันจะลบเครื่องหมายวรรคตอน
- โดยจะเรียกใช้โมเดลการจัดตำแหน่งแบบบังคับตามหน่วยเสียงแยกต่างหากบนข้อความ
- ตัวเข้ารหัสของ Whisper สร้างเฟรมเสียงในอัตราเท่าใด
- ประมาณ 50 เฟรมต่อวินาที (หนึ่งเฟรมทุกๆ 20 มิลลิวินาที)
- 1 เฟรมต่อวินาทีพอดี
- 1,000 เฟรมต่อวินาที
- หนึ่งเฟรมต่อคำ
- Whisper ประมวลผลเสียงในความยาวเท่าใด
- ชิ้นละ 5 วินาที
- ชิ้นละ 30 วินาที
- ชิ้นละ 2 นาที
- ตัวอย่างเดี่ยว
- What does forced alignment assume is already available?
- A speaker identity for every sound
- A translation in every language
- A transcript to align with the audio
- A list of subtitle colors
- What limitation should users keep in mind when interpreting word timestamps?
- They prove the transcript is error-free
- They always identify the speaker correctly
- They are guaranteed to have millisecond accuracy
- They are estimates and can be wrong when speech or alignment is difficult