Kvíz spojený s průvodcem · Střední úroveň

Překlad řeči do řeči kvíz

Kontroluje kaskádový a přímý překlad řeči, diskrétní akustické jednotky, latenci streamování, zachování hlasu a záležitosti týkající se souhlasu.

Související vodicí cestyPřeklad řeči na řeč
Otázka 1 z 8

Co dělá převod řeči na řeč (S2ST)?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Co dělá převod řeči na řeč (S2ST)?
    • Převádí řeč v jednom jazyce na mluvený zvuk v jiném jazyce
    • Přepisuje pouze zvuk do textu
    • Překládá písemné dokumenty do PDF
    • Generuje hudbu na pozadí
  2. Jaké jsou tři stupně klasického kaskádového systému S2ST?
    • Nahrávat, ukládat, mazat
    • Rozpoznávání řeči, strojový překlad, převod textu na řeč
    • Šifrovat, komprimovat, odesílat
    • Poslouchejte, ignorujte, opakujte
  3. Jaká je klíčová výhoda přímého (end-to-end) S2ST oproti kaskádovým systémům?
    • Vždy to chce více textových kroků
    • Přeložit to vůbec nejde
    • Může snížit latenci a lépe zachovat hlas a prozódii
    • Funguje pouze pro jeden jazykový pár
  4. Který Meta systém je známý pro překlady do zhruba 100 jazyků?
    • ChatGPT
    • Midjourney
    • Stable Diffusion
    • Bezešvé M4T
  5. Proč je přenos streamování v reálném čase tak náročný?
    • Systém se musí rozhodnout, kdy bude překládat, než věta skončí
    • Zvuk nelze streamovat
    • Všechny jazyky mají stejný slovosled
    • Nevyžaduje žádné modely
  6. Jaké nově vznikající obavy pramení ze zachování hlasu mluvčího v překladu?
    • Soubory jsou příliš malé
    • Souhlas a zneužití deepfake/hlasového klonování
    • Překlad se stává nemožným
    • Zvuk ztratí veškerý zvuk
  7. 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
  8. 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