引导式测验 · 中等 等级

联结主义时间分类测验

了解 CTC 如何边缘化未分段的输入帧和输出序列（例如语音识别转录本）之间的对齐。

相关引导路径联结主义时间分类
问题 1 的 8

CTC旨在解决语音识别的核心问题是什么？

预览每个问题8 问题

当您参加测验时，就会出现答案和解释。

  1. CTC旨在解决语音识别的核心问题是什么？
    • 对齐未分段的音频帧以输出没有帧级标签的文本
    • 压缩音频文件以进行存储
    • 将语音从一种语言翻译成另一种语言
    • 消除录音中的背景噪音
  2. CTC中特殊的“空白”代币有什么用？
    • 仅标记整个句子的结尾
    • 表示“此处没有新输出”并分隔真正的重复字符
    • 存储语言模型概率
    • 表示原始音频波形中的静音
  3. CTC 如何计算目标转录的损失？
    • 它选择最有可能的对齐方式并忽略其余的对齐方式
    • 它逐帧比较像素值
    • 它总结了折叠到目标文本的所有有效帧路径的概率
    • 它随时间平均音频幅度
  4. CTC 用于将帧路径转换为最终文本的两个折叠规则是什么？
    • 字母大写，然后添加标点符号
    • 颠倒顺序，然后删除元音
    • 添加空格，然后翻译为音素
    • 合并连续的重复字符，然后删除空白标记
  5. 标准 CTC 对其输出做出了什么简化假设？
    • 给定音频的情况下，每一帧的预测有条件地独立于其他帧
    • 输出很大程度上取决于先前发出的字符
    • 音频长度必须正好为一秒
    • 每个角色只占用一帧
  6. 为什么在 CTC 中，使用融合语言模型的集束搜索通常优于贪婪解码？
    • 它在每个设备上运行速度更快
    • 它弥补了CTC内部语言模型的缺乏，提高了准确性
    • 它消除了对空白令牌的需要
    • 它消除了训练网络的需要
  7. What length constraint does CTC place on an output sequence relative to input frames?
    • The target must always have exactly the same length as the input
    • The target must contain twice as many labels as input frames
    • The target cannot require more output labels than there are input time steps
    • CTC requires a fixed 256-token output
  8. How can CTC compute the sum over many valid alignments without explicitly listing every path?
    • By selecting one random path and ignoring all others
    • By running a separate language model for every audio frame
    • By sorting the transcript alphabetically
    • Using a forward-backward dynamic-programming recurrence over an alignment lattice