Cuestionario vinculado a una guía · Medio Nivel

Prueba de traducción de voz a voz

Comprueba la traducción de voz directa y en cascada, las unidades acústicas discretas, la latencia de transmisión, la preservación de la voz y las inquietudes sobre el consentimiento.

Rutas de guía relacionadasTraducción de voz a voz
Pregunta 1 de 8

¿Qué hace la traducción de voz a voz (S2ST)?

Vista previa de cada pregunta8 preguntas

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

  1. ¿Qué hace la traducción de voz a voz (S2ST)?
    • Convierte el habla en un idioma en audio hablado en otro idioma
    • Solo transcribe audio a texto.
    • Traduce documentos escritos a PDF
    • Genera música de fondo
  2. ¿Cuáles son las tres etapas de un sistema S2ST en cascada clásico?
    • Grabar, almacenar, eliminar
    • Reconocimiento de voz, traducción automática, texto a voz
    • Cifrar, comprimir, enviar
    • Escuchar, ignorar, repetir
  3. ¿Cuál es una ventaja clave de la S2ST directa (de extremo a extremo) sobre los sistemas en cascada?
    • Siempre necesita más pasos de texto.
    • No se puede traducir en absoluto.
    • Puede reducir la latencia y preservar mejor la voz y la prosodia.
    • Sólo funciona para un par de idiomas
  4. ¿Qué sistema Meta es conocido por traducir aproximadamente 100 idiomas?
    • ChatGPT
    • Midjourney
    • Stable Diffusion
    • Sin costuraM4T
  5. ¿Por qué la traducción en tiempo real es especialmente desafiante?
    • El sistema debe decidir cuándo traducir antes de que termine una frase.
    • El audio no se puede transmitir
    • Todos los idiomas comparten el mismo orden de palabras
    • No requiere modelos
  6. ¿Qué preocupación emergente surge de preservar la voz de un hablante en la traducción?
    • Los archivos se vuelven demasiado pequeños
    • Consentimiento y uso indebido de deepfake/clonación de voz
    • La traducción se vuelve imposible
    • El audio pierde todo el sonido.
  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