Kvíz spojený s průvodcem · Střední úroveň
Kvíz Wav2Vec 2.0
Otestujte předtréninkový recept Wav2Vec 2.0 s vlastním dohledem, kontrastní objektiv a limity jeho nízkých výsledků LibriSpeech.
Otázka 1 z 8
Jaký hlavní problém v rozpoznávání řeči měl Wav2Vec 2.0 řešit?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Jaký hlavní problém v rozpoznávání řeči měl Wav2Vec 2.0 řešit?
- Nedostatek označeného (přepsaného) zvuku
- Zvukové soubory jsou pro uložení příliš velké
- Mikrofony jsou příliš drahé
- Text se obtížně tokenizuje
- Jaký druh učebního cíle používá Wav2Vec 2.0 během předtréninku?
- Přímá klasifikace fonémů s plnými popisky
- Kontrastní ztráta na maskovaných latentních segmentech
- Rekonstrukce pixelů
- Posílení učení z lidské zpětné vazby
- Která komponenta nejprve zpracuje nezpracovaný tvar vlny ve Wav2Vec 2.0?
- Opakující se LSTM
- Difuzní vzorkovač
- Vícevrstvý kodér funkcí CNN
- Ručně vyrobený MFCC extraktor
- 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
- Jaká je role naučeného kódového seznamu ve Wav2Vec 2.0?
- Diskretizuje spojitý zvuk do konečných jednotek řeči
- Ukládá uživatelská hesla
- Zkomprimuje konečný přepis
- Vybírá zesílení mikrofonu
- Který velký vícejazyčný model je postaven na přístupu Wav2Vec 2.0?
- GPT-2
- XLS-R
- Stable Diffusion
- ResNet-50
- 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
- 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