اختبار Wav2Vec 2.0

تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.

1. ما هي المشكلة الأساسية في التعرف على الكلام التي تم تصميم Wav2Vec 2.0 لمعالجتها؟
   • ندرة الصوت المسمى (المكتوب).
   • الملفات الصوتية كبيرة جدًا بحيث لا يمكن تخزينها
   • الميكروفونات باهظة الثمن
   • من الصعب ترميز النص
2. ما نوع الهدف التعليمي الذي يستخدمه Wav2Vec 2.0 أثناء التدريب المسبق؟
   • تصنيف الصوت المباشر مع التسميات الكاملة
   • خسارة متباينة على الأجزاء الكامنة المقنعة
   • إعادة بناء البكسل
   • تعزيز التعلم من ردود الفعل البشرية
3. ما هو المكون الذي يعالج أولاً الشكل الموجي الخام في Wav2Vec 2.0؟
   • LSTM المتكررة
   • أخذ العينات الانتشار
   • برنامج تشفير ميزة CNN متعدد الطبقات
   • مستخرج MFCC مصنوع يدويًا
4. In a reported LibriSpeech experiment, what small labeled-data setup demonstrated low-label potential?
   • 10 minutes unlabeled with no pretraining
   • 53,000 hours labeled with no pretraining
   • One hour labeled with no unlabeled data
   • 10 minutes labeled after pretraining on 53,000 hours of unlabeled speech
5. ما هو دور كتاب الشفرات المستفادة في Wav2Vec 2.0؟
   • يقوم بتقسيم الصوت المستمر إلى وحدات كلام محدودة
   • يقوم بتخزين كلمات مرور المستخدم
   • يقوم بضغط النص النهائي
   • فهو يختار كسب الميكروفون
6. ما هو النموذج الكبير متعدد اللغات المبني على نهج Wav2Vec 2.0؟
   • جي بي تي-2
   • XLS-R
   • Stable Diffusion
   • ريسنيت-50
7. What does the Transformer contribute during Wav2Vec 2.0 pretraining?
   • Converts transcripts into audio
   • Clusters final text into language labels
   • Contextualizes latent speech features around masked spans
   • Removes the feature encoder
8. What is typically done after self-supervised pretraining to create an ASR model?
   • Replace the audio encoder with an image classifier
   • Train only on unlabeled text
   • Discard the model and use k-means alone
   • Fine-tune with transcribed speech