Rehber bağlantılı sınav · Orta Seviye
Fısıltı Zaman Damgalı Kelime Hizalama Sınavı
Whisper kelime hizalama yöntemlerinin zaman damgalarını nasıl tahmin ettiğini ve zorunlu hizalama ile çapraz dikkatin neden farklı sınırlara sahip olduğunu görün.
Soru 1 arasında 8
Whisper'ın yerel çıktısının eksik olduğu kelime düzeyinde hizalama ne katıyor?
Her soruyu önizleyin8 sorular
Testi çözdüğünüzde cevaplar ve açıklamalar görünür.
- Whisper'ın yerel çıktısının eksik olduğu kelime düzeyinde hizalama ne katıyor?
- Her bir kelimenin başlangıç ve bitiş zamanı
- Daha yüksek transkripsiyon doğruluğu
- Konuşmacı kimlik etiketleri
- Arka plan gürültüsünün giderilmesi
- Fısıltı zaman damgası, sözcüklerin zaman içinde yerini belirlemek için hangi dahili sinyali kullanır?
- Ses dalga biçimi genliği
- Kod çözücünün çapraz dikkati ses çerçeveleri üzerinde ağırlık kazanır
- Optimize edicinin gradyanları
- Tokenizer kelime boyutu
- 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, ham dikkat ile karşılaştırıldığında kelime sınırlarını nasıl keskinleştirir?
- Örnekleme oranını artırır
- Yalnızca daha büyük bir Fısıltı kontrol noktası kullanır
- Noktalama işaretlerini kaldırır
- Metin üzerinde ayrı bir fonem tabanlı zorunlu hizalama modeli çalıştırır
- Whisper'ın kodlayıcısı ses çerçevelerini hangi hızda üretir?
- Saniyede yaklaşık 50 kare (her 20 ms'de bir)
- Saniyede tam olarak 1 kare
- Saniyede 1000 kare
- Kelime başına bir çerçeve
- Whisper sesi hangi uzunlukta parçalar halinde işler?
- 5 saniyelik parçalar
- 30 saniyelik parçalar
- 2 dakikalık parçalar
- Tek örnekler
- 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