গাইড লিঙ্ক ক্যুইজ · কঠিন স্তর

HuBERT স্ব-তত্ত্বাবধানে বক্তৃতা কুইজ

HuBERT কিভাবে মাস্কড অডিওর জন্য ক্লাস্টার থেকে প্রাপ্ত লক্ষ্য তৈরি করে, লেবেল পুনরাবৃত্তি করে এবং স্পিচ বেঞ্চমার্কে শেখা উপস্থাপনাগুলিকে মূল্যায়ন করে তা পরীক্ষা করুন।

সম্পর্কিত গাইড পাথহুবার্ট স্ব-তত্ত্বাবধানে বক্তৃতা
প্রশ্ন 1 এর 8

কিভাবে HuBERT প্রশিক্ষণের সময় ভবিষ্যদ্বাণী করার চেষ্টা করে এমন লক্ষ্যগুলি তৈরি করে?

প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

  1. কিভাবে HuBERT প্রশিক্ষণের সময় ভবিষ্যদ্বাণী করার চেষ্টা করে এমন লক্ষ্যগুলি তৈরি করে?
    • অফলাইন কে-এর অর্থ হল অডিও বৈশিষ্ট্যগুলিকে লুকানো ইউনিটগুলিতে ক্লাস্টার করা
    • মানুষের প্রতিলিপি
    • এলোমেলো শব্দ লেবেল
    • বিভ্রান্তিকর নমুনার বিপরীতে
  2. কোন সুপরিচিত পাঠ্য মডেল হুবার্টের মুখোশ-ভবিষ্যদ্বাণী প্রশিক্ষণ প্রকল্পকে অনুপ্রাণিত করেছে?
    • জিপিটি-৩
    • BERT
    • ResNet
    • Word2Vec
  3. হুবার্ট কীভাবে ধারাবাহিক প্রশিক্ষণের পুনরাবৃত্তির উপর তার লক্ষ্য লেবেলগুলিকে উন্নত করে?
    • এটি আরও টীকাকারী নিয়োগ করে
    • এটি আরও কাঁচা শব্দ যোগ করে
    • এটি মডেলের নিজস্ব উন্নত অভ্যন্তরীণ উপস্থাপনা ব্যবহার করে পুনরায় ক্লাস্টার করে
    • এটি প্রথম ক্লাস্টারিংকে চিরতরে নিথর করে দেয়
  4. হুবার্টের প্রথম পুনরাবৃত্তিতে সাধারণত কোন বৈশিষ্ট্যগুলি ক্লাস্টার করা হয়?
    • চূড়ান্ত প্রতিলিপি শব্দ
    • ইমেজ পিক্সেল
    • স্পিকার আইডি এম্বেডিং
    • সাধারণ MFCC শাব্দ বৈশিষ্ট্য
  5. কেন HuBERT দরকারী গঠন শিখতে পারে এমনকি যখন এর ক্লাস্টারিং অসম্পূর্ণ?
    • এটি শুধুমাত্র মুখোশযুক্ত অবস্থানে ক্লাস্টার আইডিগুলির পূর্বাভাস দিতে হবে, যা একটি ধারাবাহিক কাজ থাকে
    • এটি ক্লাস্টারগুলিকে সম্পূর্ণরূপে উপেক্ষা করে
    • এটি একটি নিখুঁত ওরাকল ক্লাস্টারিং ব্যবহার করে
    • এটি পরীক্ষার সেট মুখস্থ করে
  6. Which pretraining challenge does HuBERT address by using offline cluster labels?
    • Speech has no temporal structure
    • There is no lexicon of sound units available during pretraining
    • Every speaker uses the same pitch
    • Audio contains no repeated patterns
  7. In the HuBERT paper, what relative WER reductions did the 1B-parameter model report on dev-other and test-other?
    • Exactly 50% on both sets
    • No measurable change on either set
    • Up to 19% on dev-other and 13% on test-other
    • Up to 13% on dev-other and 19% on test-other
  8. Which benchmark sets did the original HuBERT paper use for speech-recognition results?
    • ইমেজনেট এবং কোকো
    • GLUE and SuperGLUE
    • SQuAD and TriviaQA
    • LibriSpeech and Libri-light