Mit dem Guide verknüpftes Quiz · Mittel Ebene

Speech-to-Speech-Übersetzungsquiz

Überprüft kaskadierte und direkte Sprachübersetzung, diskrete akustische Einheiten, Streaming-Latenz, Stimmerhaltung und Zustimmungsprobleme.

Verwandte FührungspfadeSprache-zu-Sprache-Übersetzung
Frage 1 von 8

Was macht die Speech-to-Speech-Übersetzung (S2ST)?

Sehen Sie sich jede Frage in der Vorschau an8 Fragen

Während Sie am Quiz teilnehmen, werden Antworten und Erklärungen angezeigt.

  1. Was macht die Speech-to-Speech-Übersetzung (S2ST)?
    • Wandelt Sprache in einer Sprache in gesprochenes Audio in einer anderen Sprache um
    • Transkribiert nur Audio in Text
    • Übersetzt schriftliche Dokumente in PDFs
    • Erzeugt Hintergrundmusik
  2. Was sind die drei Stufen eines klassischen kaskadierten S2ST-Systems?
    • Aufzeichnen, speichern, löschen
    • Spracherkennung, maschinelle Übersetzung, Text-to-Speech
    • Verschlüsseln, komprimieren, versenden
    • Zuhören, ignorieren, wiederholen
  3. Was ist ein entscheidender Vorteil von direktem (End-to-End) S2ST gegenüber kaskadierten Systemen?
    • Es braucht immer mehr Textschritte
    • Es kann überhaupt nicht übersetzt werden
    • Es kann die Latenz verringern und Stimme und Prosodie besser bewahren
    • Es funktioniert nur für ein Sprachpaar
  4. Welches Meta-System ist für die Übersetzung in etwa 100 Sprachen bekannt?
    • ChatGPT
    • Midjourney
    • Stable Diffusion
    • SeamlessM4T
  5. Warum ist die Streaming-Übersetzung in Echtzeit eine besondere Herausforderung?
    • Das System muss entscheiden, wann übersetzt werden soll, bevor ein Satz zu Ende ist
    • Audio kann nicht gestreamt werden
    • Alle Sprachen haben die gleiche Wortreihenfolge
    • Es sind keine Modelle erforderlich
  6. Welche neuen Bedenken ergeben sich aus der Bewahrung der Stimme eines Sprechers bei der Übersetzung?
    • Dateien werden zu klein
    • Einwilligung und Deepfake-/Voice-Cloning-Missbrauch
    • Eine Übersetzung wird unmöglich
    • Audio verliert jeglichen Ton
  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