Wav2Vec 2.0 কুইজ

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

1. বক্তৃতা শনাক্তকরণের মূল সমস্যাটি সমাধান করার জন্য Wav2Vec 2.0 ডিজাইন করা হয়েছিল?
   • লেবেলযুক্ত (লিপিকৃত) অডিওর অভাব
   • অডিও ফাইলগুলি সঞ্চয় করার জন্য খুব বড়
   • মাইক্রোফোন খুব ব্যয়বহুল
   • টেক্সট টোকেনাইজ করা কঠিন
2. Wav2Vec 2.0 প্রাক-প্রশিক্ষণের সময় কোন ধরনের শেখার উদ্দেশ্য ব্যবহার করে?
   • সম্পূর্ণ লেবেল সহ সরাসরি ফোনমে শ্রেণীবিভাগ
   • মুখোশযুক্ত সুপ্ত অংশগুলির উপর একটি বিপরীত ক্ষতি
   • পিক্সেল পুনর্গঠন
   • মানুষের প্রতিক্রিয়া থেকে শক্তিবৃদ্ধি শিক্ষা
3. Wav2Vec 2.0 এ কোন উপাদানটি প্রথমে কাঁচা তরঙ্গরূপ প্রক্রিয়া করে?
   • একটি পুনরাবৃত্ত LSTM
   • একটি বিস্তার নমুনা
   • একটি মাল্টি-লেয়ার CNN বৈশিষ্ট্য এনকোডার
   • একটি হস্তশিল্পিত MFCC নিষ্কাশনকারী
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. Wav2Vec 2.0-এ শেখা কোডবুকের ভূমিকা কী?
   • এটি ক্রমাগত অডিওকে সসীম বক্তৃতা ইউনিটে বিচ্ছিন্ন করে
   • এটি ব্যবহারকারীর পাসওয়ার্ড সংরক্ষণ করে
   • এটি চূড়ান্ত প্রতিলিপি সংকুচিত করে
   • এটি মাইক্রোফোন লাভ নির্বাচন করে
6. কোন বড় বহুভাষিক মডেলটি Wav2Vec 2.0 পদ্ধতিতে নির্মিত?
   • GPT-2
   • XLS-R
   • Stable Diffusion
   • ResNet-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