Câu đố về kiến trúc DeepSpeech

Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.

1. Chức năng mất dữ liệu nào cho phép DeepSpeech đào tạo mà không cần căn chỉnh mức khung hình giữa âm thanh và văn bản?
   • Sai số bình phương trung bình
   • Entropy chéo trên các cửa sổ có chiều dài cố định
   • Phân loại thời gian kết nối (CTC)
   • Mất ba lần
2. Triết lý kiến trúc chính mà DeepSpeech phổ biến là gì?
   • Đào tạo toàn diện một mạng lưới thần kinh từ các tính năng âm thanh đến văn bản
   • Chia nhận dạng thành nhiều thành phần riêng biệt, được thiết kế thủ công
   • Chỉ sử dụng từ điển ngữ âm dựa trên quy tắc
   • Nhận dạng giọng nói hoàn toàn bằng cách khớp mẫu
3. Tại sao DeepSpeech sử dụng lớp lặp lại hai chiều?
   • Để nén kích thước tập tin âm thanh
   • Để đưa ra từng bối cảnh dự đoán từ cả khung hình quá khứ và tương lai
   • Để dịch giữa các ngôn ngữ
   • Để loại bỏ sự cần thiết của bất kỳ dữ liệu đào tạo nào
4. DeepSpeech thường hoạt động trên những loại tính năng đầu vào nào?
   • Dữ liệu pixel thô
   • Bản ghi văn bản viết sẵn
   • Thẻ siêu dữ liệu MP3 được nén
   • Các tính năng quang phổ hoặc MFCC được tính toán trên các khung âm thanh ngắn
5. Điều gì thường được thêm vào lúc giải mã để cải thiện khả năng lựa chọn từ và chính tả của DeepSpeech?
   • Mô hình ngôn ngữ bên ngoài (ví dụ: mô hình n-gram)
   • Micrô thứ hai
   • Bộ phân loại hình ảnh lớn hơn
   • Chip mã hóa phần cứng
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