گائیڈ سے منسلک کوئز · درمیانہ سطح
سرگوشی اسپیچ ریکگنیشن کوئز
Whisper کے کثیر لسانی آڈیو ٹو ٹیکسٹ ڈیزائن، اس کے ٹوکن سے منتخب کردہ کاموں، اور وسیع تربیتی کوریج کیا کرتی ہے اور اس کی ضمانت نہیں دیتی کا جائزہ لیں۔
سوال 1 کی 8
وسپر کو تقریباً کتنے گھنٹے کی آڈیو تربیت دی گئی تھی؟
ہر سوال کا جائزہ لیں۔8 سوالات
جب آپ کوئز دیتے ہیں تو جوابات اور وضاحتیں ظاہر ہوتی ہیں۔
- وسپر کو تقریباً کتنے گھنٹے کی آڈیو تربیت دی گئی تھی؟
- 680,000 گھنٹے
- 6,800 گھنٹے
- 68,000 گھنٹے
- 6.8 ملین گھنٹے
- وسپر انکوڈر سے پہلے خام آڈیو سے کس درمیانی نمائندگی کا حساب لگاتا ہے؟
- ایک خام ویوفارم ٹینسر
- ایک لاگ میل سپیکٹروگرام
- صرف MFCC ڈیلٹا کی خصوصیات
- ایک گرم فونیم ویکٹر
- ایک واحد Whisper ماڈل نقل اور ترجمہ جیسے متعدد کام کیسے انجام دیتا ہے؟
- یہ فی کام ایک مختلف ماڈل لوڈ کرتا ہے۔
- یہ متوازی طور پر الگ الگ ٹھیک سروں کو چلاتا ہے۔
- خصوصی پرامپٹ ٹوکن ڈی کوڈنگ کے دوران کام کی وضاحت کرتے ہیں۔
- صارفین سپیکٹروگرام کو دستی طور پر ترمیم کرتے ہیں۔
- وسپر کس مجموعی عصبی فن تعمیر کا استعمال کرتا ہے؟
- ایک کنولوشنل صرف نیٹ ورک
- ایک بار بار آنے والا LSTM اسٹیک
- ایک بازی ماڈل
- ایک ٹرانسفارمر انکوڈر-ڈیکوڈر
- پہلے ASR سسٹمز کے مقابلے Whisper کو خاص طور پر مضبوط کیوں سمجھا جاتا ہے؟
- اسے متنوع، شور مچانے والی حقیقی دنیا کی ویب آڈیو پر تربیت دی گئی تھی۔
- یہ صرف سٹوڈیو کلین آڈیو پر کام کرتا ہے۔
- یہ کوئی مشین لرننگ استعمال نہیں کرتا
- اسے اپنی مرضی کے مطابق مائکروفون کی ضرورت ہے۔
- کس لائسنس کے تحت Whisper کے ماڈل کے وزن جاری کیے گئے؟
- ملکیتی، صرف API
- MIT (اوپن سورس)
- GPL بغیر تجارتی استعمال کے
- تخلیقی العام غیر مشتق
- Approximately how long is each audio segment Whisper converts to a log-Mel spectrogram?
- 3 seconds
- 3 minutes
- 30 seconds
- 30 minutes
- What does Whisper’s English-translation task produce from non-English speech?
- A translated recording in the speaker’s voice
- Only a transcript in the original language
- A list of detected speakers
- An English text translation