গাইড লিঙ্ক ক্যুইজ · মাঝারি স্তর
স্পিচ-টু-স্পিচ অনুবাদ কুইজ
ক্যাসকেড এবং সরাসরি বক্তৃতা অনুবাদ, বিচ্ছিন্ন অ্যাকোস্টিক ইউনিট, স্ট্রিমিং লেটেন্সি, ভয়েস সংরক্ষণ এবং সম্মতির উদ্বেগ পরীক্ষা করে।
প্রশ্ন 1 এর 8
স্পিচ-টু-স্পিচ ট্রান্সলেশন (S2ST) কী করে?
প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন
আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।
- স্পিচ-টু-স্পিচ ট্রান্সলেশন (S2ST) কী করে?
- এক ভাষার বক্তৃতাকে অন্য ভাষায় কথ্য অডিওতে রূপান্তর করে
- শুধুমাত্র অডিওকে টেক্সটে ট্রান্সক্রাইব করে
- লিখিত নথিগুলিকে PDF এ অনুবাদ করে
- ব্যাকগ্রাউন্ড মিউজিক জেনারেট করে
- একটি ক্লাসিক ক্যাসকেডেড S2ST সিস্টেমের তিনটি ধাপ কি কি?
- রেকর্ড করুন, সঞ্চয় করুন, মুছুন
- বক্তৃতা স্বীকৃতি, মেশিন অনুবাদ, টেক্সট-টু-স্পীচ
- এনক্রিপ্ট করুন, কম্প্রেস করুন, পাঠান
- শুনুন, উপেক্ষা করুন, পুনরাবৃত্তি করুন
- ক্যাসকেডেড সিস্টেমে সরাসরি (এন্ড-টু-এন্ড) S2ST-এর একটি মূল সুবিধা কী?
- এটি সর্বদা আরও পাঠ্য পদক্ষেপের প্রয়োজন
- এটি মোটেও অনুবাদ করতে পারে না
- এটি লেটেন্সি কমাতে পারে এবং ভয়েস ও প্রসোডিকে আরও ভালোভাবে সংরক্ষণ করতে পারে
- এটি শুধুমাত্র একটি ভাষার জোড়ার জন্য কাজ করে
- কোন Meta সিস্টেমটি প্রায় 100টি ভাষায় অনুবাদের জন্য পরিচিত?
- ChatGPT
- Midjourney
- Stable Diffusion
- বিরামহীনM4T
- কেন রিয়েল-টাইম স্ট্রিমিং অনুবাদ বিশেষভাবে চ্যালেঞ্জিং?
- একটি বাক্য শেষ হওয়ার আগে সিস্টেমকে কখন অনুবাদ করতে হবে তা নির্ধারণ করতে হবে
- অডিও স্ট্রিম করা যাবে না
- সব ভাষাই অভিন্ন শব্দের ক্রম ভাগ করে
- এটা কোন মডেল প্রয়োজন
- অনুবাদে একজন স্পিকারের কণ্ঠস্বর সংরক্ষণ করা থেকে কী উদ্বেগজনক উদ্বেগ আসে?
- ফাইলগুলি খুব ছোট হয়ে যায়
- সম্মতি এবং ডিপফেক/ভয়েস-ক্লোনিং অপব্যবহার
- অনুবাদ অসম্ভব হয়ে পড়ে
- অডিও সব শব্দ হারায়
- What representation may a direct speech-to-speech system use to connect source audio to target audio?
- A Slurm job identifier
- A table of image pixels
- Discrete acoustic units that serve as intermediate speech tokens
- A hand-written class label for every word
- Why can errors accumulate in a cascaded ASR → translation → TTS pipeline?
- Each stage uses the same model weights
- TTS always corrects the transcript
- The stages run in parallel on the same audio
- An upstream transcription or translation error becomes input to later stages