DeepSpeech Mimarisi Testi

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. Hangi kayıp işlevi DeepSpeech'in ses ve metin arasında çerçeve düzeyinde hizalama olmadan eğitim yapmasına olanak tanır?
   • Ortalama kare hatası
   • Sabit uzunluktaki pencerelerde çapraz entropi
   • Bağlantıcı Zamansal Sınıflandırma (CTC)
   • Üçlü kayıp
2. DeepSpeech'in popüler hale getirdiği ana mimari felsefe neydi?
   • Ses özelliklerinden metne kadar tek bir sinir ağının uçtan uca eğitimi
   • Tanıma işlemini elle tasarlanmış birçok ayrı bileşene bölme
   • Yalnızca kural tabanlı fonetik sözlükleri kullanma
   • Konuşmayı yalnızca şablon eşleştirmeyle tanıma
3. DeepSpeech neden çift yönlü tekrarlayan bir katman kullanıyor?
   • Ses dosyası boyutunu sıkıştırmak için
   • Her bir tahmin bağlamını hem geçmiş hem de gelecek çerçevelerden vermek
   • Diller arasında çeviri yapmak için
   • Herhangi bir eğitim verisine olan ihtiyacı ortadan kaldırmak için
4. DeepSpeech genellikle ne tür giriş özellikleri üzerinde çalışır?
   • Ham piksel verileri
   • Önceden yazılmış metin transkriptleri
   • Sıkıştırılmış MP3 meta veri etiketleri
   • Kısa ses çerçeveleri üzerinden hesaplanan Spektrogram veya MFCC özellikleri
5. DeepSpeech'in kelime seçimini ve yazımını geliştirmek için kod çözme sırasında sıklıkla ne eklenir?
   • Harici bir dil modeli (örneğin, bir n-gram modeli)
   • İkinci bir mikrofon
   • Daha büyük bir görüntü sınıflandırıcı
   • Bir donanım şifreleme çipi
6. What does the original DeepSpeech output layer predict at each acoustic time step?
   • A fixed speaker-identity vector only
   • A single complete translated document with no time steps
   • A probability distribution over character labels and the CTC blank
   • The recording's filename and compression format
7. How does CTC relate an acoustic-frame label path to the final DeepSpeech transcript?
   • It sorts all character labels alphabetically
   • It requires exactly one audio frame for each word
   • It keeps every repeated frame label as a separate written character
   • It collapses repetitions and removes blank symbols according to the CTC rule
8. Why does original DeepSpeech's bidirectional acoustic context matter when designing a live recognizer?
   • Bidirectional recurrence needs no future observations
   • Future-frame context requires lookahead or waiting, so it is not automatically zero-lookahead streaming
   • The network can know later audio before it is recorded
   • A character language model removes all buffering requirements