Вікторина, пов’язана з посібником · Середній Рівень

Вікторина «Моделі перетворювачів RNN».

Зрозумійте, як моделі RNN-Transducer поєднують акустичні кадри та вихідну історію для завдань транскрипції потокової послідовності.

Пов'язані напрямні шляхиМоделі перетворювачів Rnn
Питання 1 з 8

Яке обмеження CTC спеціально вирішує RNN-Transducer?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. Яке обмеження CTC спеціально вирішує RNN-Transducer?
    • Припущення умовної незалежності CTC, яке запобігає моделюванню залежностей вихідного маркера
    • CTC взагалі не може обробляти аудіо
    • Для роботи CTC потрібні графічні процесори
    • CTC працює лише для зображень
  2. Які три основні компоненти перетворювача RNN?
    • Кодер, декодер і дискримінатор
    • Кодер (мережа транскрипції), мережа передбачення та спільна мережа
    • Лише Tokenizer, embedder і softmax
    • Дві уважні головки і фрезер
  3. Яку роль відіграє мережа прогнозування в RNN-T?
    • Він стискає звуковий сигнал
    • Вимірює гучність мікрофона
    • Він діє як мовна модель, залежно від раніше випущених токенів
    • Він вибирає частоту дискретизації
  4. Чому RNN-T так природно підтримує потокове передавання з низькою затримкою?
    • Він обробляє все висловлювання відразу, перш ніж щось видати
    • Він повністю ігнорує порядок часу
    • Він працює лише з попередньо записаними файлами
    • Його вирівнювання є монотонним і зліва направо, просуваючись через аудіо з пропусками
  5. Що робить випромінювання порожнього маркера в декодуванні RNN-T?
    • Перехід до наступного кроку часу аудіо
    • Закінчує всю транскрипцію
    • Видаляє попереднє слово
    • Перемикається на іншу мову
  6. Який тип кодера все частіше замінює LSTM у сучасних виробничих системах RNN-T?
    • Дерева рішень
    • Конформерні кодери
    • Простий мішок слів
    • Приховані моделі Маркова
  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