Quiz lié à un guide · Moyen Niveau

SpecAugment pour le quiz de reconnaissance vocale

Examinez SpecAugment dans le domaine des fonctionnalités, la déformation temporelle, les masques de fréquence et de temps, ainsi que ses résultats spécifiques LibriSpeech et Switchboard.

Chemins de guidage associésSpecaugment pour la reconnaissance vocale
Question 1 de 8

Sur quoi SpecAugment agit-il ?

Prévisualisez chaque question8 des questions

Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.

  1. Sur quoi SpecAugment agit-il ?
    • Le spectrogramme log-mel
    • La forme d'onde audio brute
    • La transcription du texte
    • Les poids du modèle
  2. Laquelle de ces opérations est l'une des trois opérations de SpecAugment ?
    • Inversion de hauteur
    • Masquage de fréquence
    • Substitution de mots
    • Injection d'écho
  3. What role did the SpecAugment paper assign to its feature transformations?
    • They guarantee that every recognizer avoids overfitting
    • They replace the need for transcribed training data
    • They augment ASR training inputs and were evaluated for recognition performance
    • They improve every speech model by the same amount
  4. À quoi sert le « masquage temporel » ?
    • Supprime les horodatages de la transcription
    • Accélère la lecture audio
    • Supprime le silence au début
    • Supprime une période de pas de temps consécutifs
  5. How are time- and frequency-mask locations chosen during SpecAugment training?
    • They are randomly sampled, so the same input may receive different masked regions on later passes
    • They are fixed permanently before the training set is collected
    • They are chosen by a language model after each recognition result
    • They are identical for every utterance and every training step
  6. Sur quel benchmark SpecAugment a-t-il notamment permis d'obtenir des résultats de pointe ?
    • ImageNet
    • LibriDiscours
    • ESCOUADE
    • COLLE
  7. What does time warping do in the original SpecAugment policy?
    • It replaces speech frames with translated text
    • It masks every frequency channel permanently
    • It deforms feature positions along the time axis
    • It changes the speaker identity in the waveform
  8. Which recognizer architecture did the original SpecAugment paper use in its experiments?
    • A region-based image detector
    • A music source-separation U-Net only
    • A text-only masked language model
    • Listen, Attend and Spell (LAS)