OCR、ASR、TTS、GAN、ViT 等 AI 概念与应用
答案要点
- OCR 识别图像文字,目标检测输出物体框和类别,如 YOLO
- ASR 语音转文本,TTS 文本转语音,组合用于语音助手
- ViT 把图像切块作为 token 输入 Transformer
- GAN 对抗训练,VAE 学隐变量分布,DiT 用 Transformer 做扩散主干
- AIGC 指生成式内容,数字人综合语音、大模型和形象驱动
易错点
- 混淆 ASR 和 TTS 的方向
- 把 VAE 和 GAN 的训练方式说反
- 只背定义说不出应用场景
面试官常见追问
- GAN 和扩散模型有什么区别?
- ViT 和 CNN 相比有什么特点?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。