Câu đố căn chỉnh từ theo dấu thời gian thì thầm

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

1. Căn chỉnh cấp độ từ bổ sung thêm điều gì mà đầu ra gốc của Whisper thiếu?
   • Thời gian bắt đầu và kết thúc cho mỗi từ riêng lẻ
   • Độ chính xác phiên âm cao hơn
   • Nhãn nhận dạng người nói
   • Loại bỏ tiếng ồn nền
2. Dấu thời gian thì thầm sử dụng tín hiệu nội bộ nào để định vị các từ kịp thời?
   • Biên độ dạng sóng âm thanh
   • Trọng số chú ý chéo của bộ giải mã đối với các khung âm thanh
   • Độ dốc của trình tối ưu hóa
   • Kích thước từ vựng của tokenizer
3. Tại sao whisper-timestamped sử dụng Dynamic Time Warping trong quá trình căn chỉnh?
   • Để dịch bản ghi âm sang ngôn ngữ khác
   • Để nhận diện người nói mà không cần sử dụng âm thanh
   • Để tìm một đường dẫn đơn điệu, có thứ tự giữa điểm số token và khung âm thanh
   • Để đảm bảo ranh giới chính xác cho từng từ
4. WhisperX làm sắc nét ranh giới từ so với sự chú ý thô sơ như thế nào?
   • Nó làm tăng tốc độ lấy mẫu
   • Nó chỉ sử dụng điểm kiểm tra Whisper lớn hơn
   • Nó loại bỏ dấu chấm câu
   • Nó chạy một mô hình căn chỉnh cưỡng bức dựa trên âm vị riêng biệt trên văn bản
5. Bộ mã hóa của Whisper tạo ra khung âm thanh với tốc độ bao nhiêu?
   • Khoảng 50 khung hình mỗi giây (cứ 20 ms một khung hình)
   • Chính xác là 1 khung hình mỗi giây
   • 1000 khung hình mỗi giây
   • Một khung hình cho mỗi từ
6. Whisper xử lý âm thanh với độ dài bao nhiêu?
   • Đoạn 5 giây
   • đoạn 30 giây
   • đoạn dài 2 phút
   • Mẫu đơn
7. Căn chỉnh bắt buộc (forced alignment) giả định điều gì đã có sẵn?
   • Danh tính người nói cho mọi âm thanh
   • Bản dịch ở mọi ngôn ngữ
   • Một bản ghi âm để căn chỉnh với âm thanh
   • Danh sách màu sắc của phụ đề
8. Người dùng nên ghi nhớ hạn chế nào khi diễn giải mốc thời gian của từ?
   • Chúng chứng minh bản ghi không có lỗi
   • Chúng luôn xác định đúng người nói
   • Chúng được đảm bảo có độ chính xác đến từng mili-giây
   • Chúng là ước tính và có thể sai khi việc nói hoặc căn chỉnh gặp khó khăn