Mit dem Guide verknüpftes Quiz · Mittel Ebene

Wav2Vec 2.0-Quiz

Testen Sie das selbstüberwachte Vortrainingsrezept, das kontrastive Ziel und die Grenzen der Low-Label-LibriSpeech-Ergebnisse von Wav2Vec 2.0.

Verwandte FührungspfadeWav2vec 2 0
Frage 1 von 8

Für welches Kernproblem bei der Spracherkennung wurde Wav2Vec 2.0 entwickelt?

Sehen Sie sich jede Frage in der Vorschau an8 Fragen

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

  1. Für welches Kernproblem bei der Spracherkennung wurde Wav2Vec 2.0 entwickelt?
    • Der Mangel an beschriftetem (transkribiertem) Audio
    • Audiodateien sind zu groß zum Speichern
    • Mikrofone sind zu teuer
    • Text ist schwer zu tokenisieren
  2. Welche Art von Lernziel verwendet Wav2Vec 2.0 während des Vortrainings?
    • Direkte Phonemklassifizierung mit vollständigen Bezeichnungen
    • Ein Kontrastverlust über maskierten latenten Segmenten
    • Pixelrekonstruktion
    • Verstärkendes Lernen aus menschlichem Feedback
  3. Welche Komponente verarbeitet zuerst die Rohwellenform in Wav2Vec 2.0?
    • Ein wiederkehrendes LSTM
    • Ein Diffusionssammler
    • Ein mehrschichtiger CNN-Feature-Encoder
    • Ein handgefertigter MFCC-Extraktor
  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. Welche Rolle spielt das erlernte Codebuch in Wav2Vec 2.0?
    • Es diskretisiert kontinuierliches Audio in endliche Spracheinheiten
    • Es speichert Benutzerpasswörter
    • Es komprimiert das endgültige Transkript
    • Es wählt die Mikrofonverstärkung aus
  6. Welches große mehrsprachige Modell basiert auf dem Wav2Vec 2.0-Ansatz?
    • 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