गाइड से जुड़ी प्रश्नोत्तरी · मध्यम स्तर
वाक् पहचान प्रश्नोत्तरी के लिए SpecAugment
फ़ीचर-डोमेन स्पेकऑगमेंट, टाइम वॉरपिंग, फ़्रीक्वेंसी और टाइम मास्क और इसके विशिष्ट लिब्रिस्पीच और स्विचबोर्ड परिणामों की समीक्षा करें।
प्रश्न 1 का 8
SpecAugment किस पर कार्य करता है?
प्रत्येक प्रश्न का पूर्वावलोकन करें8 प्रश्न
जैसे ही आप प्रश्नोत्तरी लेते हैं उत्तर और स्पष्टीकरण दिखाई देते हैं।
- SpecAugment किस पर कार्य करता है?
- लॉग-मेल स्पेक्ट्रोग्राम
- कच्चा ऑडियो तरंग
- पाठ प्रतिलेख
- मॉडल का वजन
- इनमें से कौन SpecAugment के तीन ऑपरेशनों में से एक है?
- पिच पलटना
- बारंबारता मास्किंग
- शब्द प्रतिस्थापन
- इको इंजेक्शन
- SpecAugment पेपर ने इसके फीचर परिवर्तनों में क्या भूमिका निभाई?
- वे गारंटी देते हैं कि प्रत्येक पहचानकर्ता ओवरफिटिंग से बचता है
- वे लिखित प्रशिक्षण डेटा की आवश्यकता को प्रतिस्थापित करते हैं
- उन्होंने एएसआर प्रशिक्षण इनपुट को बढ़ाया और मान्यता प्रदर्शन के लिए उनका मूल्यांकन किया गया
- वे प्रत्येक भाषण मॉडल में समान मात्रा में सुधार करते हैं
- 'टाइम मास्किंग' क्या करती है?
- प्रतिलेख टाइमस्टैम्प हटा देता है
- ऑडियो प्लेबैक को तेज़ करता है
- प्रारंभ में मौन को दूर करता है
- लगातार समय चरणों की एक अवधि को खाली करता है
- SpecAugment प्रशिक्षण के दौरान समय और आवृत्ति-मास्क स्थानों को कैसे चुना जाता है?
- उनका नमूना बेतरतीब ढंग से लिया जाता है, इसलिए एक ही इनपुट को बाद में पास होने पर अलग-अलग नकाबपोश क्षेत्र प्राप्त हो सकते हैं
- प्रशिक्षण सेट एकत्र करने से पहले उन्हें स्थायी रूप से ठीक कर दिया जाता है
- प्रत्येक मान्यता परिणाम के बाद उन्हें एक भाषा मॉडल द्वारा चुना जाता है
- वे प्रत्येक उच्चारण और प्रत्येक प्रशिक्षण चरण के लिए समान हैं
- SpecAugment ने किस बेंचमार्क पर अत्याधुनिक परिणाम प्राप्त करने में उल्लेखनीय मदद की?
- इमेजनेट
- लिब्रिस्पीच
- दस्ता
- गोंद
- मूल SpecAugment नीति में टाइम वॉर्पिंग क्या करती है?
- यह भाषण फ़्रेम को अनुवादित पाठ से बदल देता है
- यह प्रत्येक आवृत्ति चैनल को स्थायी रूप से मास्क कर देता है
- यह समय अक्ष के साथ फीचर स्थितियों को विकृत करता है
- यह तरंग रूप में स्पीकर की पहचान को बदल देता है
- मूल SpecAugment पेपर ने अपने प्रयोगों में किस पहचानकर्ता वास्तुकला का उपयोग किया था?
- एक क्षेत्र-आधारित छवि डिटेक्टर
- केवल एक संगीत स्रोत-पृथक्करण यू-नेट
- एक पाठ-केवल नकाबपोश भाषा मॉडल
- सुनें, उपस्थित रहें और जादू करें (एलएएस)