گائیڈ سے منسلک کوئز · درمیانہ سطح
ڈیپ اسپیچ آرکیٹیکچر کوئز
ڈیپ اسپیچ صوتی خصوصیات، بار بار آنے والے سیاق و سباق، کریکٹر آؤٹ پٹس، سی ٹی سی الائنمنٹس، اور آف لائن یا لائیو ریکگنیشن کے لیے درکار سیاق و سباق کو دریافت کریں۔
سوال 1 کی 8
کون سا نقصان فنکشن ڈیپ اسپیچ کو آڈیو اور ٹیکسٹ کے درمیان فریم لیول کی سیدھ کے بغیر تربیت دینے کی اجازت دیتا ہے؟
ہر سوال کا جائزہ لیں۔8 سوالات
جب آپ کوئز دیتے ہیں تو جوابات اور وضاحتیں ظاہر ہوتی ہیں۔
- کون سا نقصان فنکشن ڈیپ اسپیچ کو آڈیو اور ٹیکسٹ کے درمیان فریم لیول کی سیدھ کے بغیر تربیت دینے کی اجازت دیتا ہے؟
- مربع غلطی کا مطلب
- مقررہ لمبائی والی کھڑکیوں پر کراس اینٹروپی
- کنکشنسٹ وقتی درجہ بندی (CTC)
- تین گنا نقصان
- اہم تعمیراتی فلسفہ کیا تھا جسے ڈیپ اسپیچ نے مقبول بنایا؟
- آڈیو خصوصیات سے متن تک سنگل نیورل نیٹ ورک کی اینڈ ٹو اینڈ ٹریننگ
- بہت سے ہاتھ سے انجنیئر شدہ، الگ الگ اجزاء میں شناخت کو تقسیم کرنا
- صرف اصول پر مبنی صوتیاتی لغات استعمال کرنا
- سانچے کے ملاپ کے ساتھ خالصتاً تقریر کو پہچاننا
- ڈیپ اسپیچ دو طرفہ بار بار ہونے والی پرت کا استعمال کیوں کرتا ہے؟
- آڈیو فائل کے سائز کو کمپریس کرنے کے لیے
- ماضی اور مستقبل دونوں فریموں سے ہر پیشین گوئی سیاق و سباق دینے کے لئے
- زبانوں کے درمیان ترجمہ کرنا
- کسی بھی تربیتی ڈیٹا کی ضرورت کو دور کرنے کے لیے
- DeepSpeech عام طور پر کس قسم کی ان پٹ خصوصیات پر کام کرتی ہے؟
- خام پکسل ڈیٹا
- پہلے سے لکھے ہوئے متن کی نقلیں۔
- کمپریسڈ MP3 میٹا ڈیٹا ٹیگز
- سپیکٹروگرام یا MFCC کی خصوصیات مختصر آڈیو فریموں پر شمار کی جاتی ہیں۔
- ڈی کوڈ کے وقت اکثر ڈیپ اسپیچ کے الفاظ کے انتخاب اور ہجے کو بہتر بنانے کے لیے کیا شامل کیا جاتا ہے؟
- ایک بیرونی زبان کا ماڈل (مثال کے طور پر، ایک این گرام ماڈل)
- دوسرا مائکروفون
- تصویر کا ایک بڑا درجہ بندی کرنے والا
- ایک ہارڈویئر انکرپشن چپ
- 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
- 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
- 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