Útmutatóhoz kapcsolódó kvíz · Közepes Szint

Beszéd-beszéd fordítási kvíz

Checks cascaded and direct speech translation, discrete acoustic units, streaming latency, voice preservation and consent concerns.

Kapcsolódó útmutató utakBeszéd beszédre fordítás
kérdés 1 -ból 8

Mit csinál a Speech-Speech Translation (S2ST)?

Tekintse meg az összes kérdést8 kérdéseket

A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.

  1. Mit csinál a Speech-Speech Translation (S2ST)?
    • Az egyik nyelven beszédet egy másik nyelven beszélt hanggá alakítja
    • Csak a hangot írja át szöveggé
    • Írott dokumentumokat PDF-be fordít
    • Háttérzenét generál
  2. Mi a klasszikus kaszkádos S2ST rendszer három szakasza?
    • Rögzítés, tárolás, törlés
    • Beszédfelismerés, gépi fordítás, szövegfelolvasás
    • Titkosítás, tömörítés, küldés
    • Figyelj, figyelmen kívül hagyd, ismételd
  3. Mi a közvetlen (végpontok közötti) S2ST fő előnye a lépcsőzetes rendszerekkel szemben?
    • Mindig több szöveges lépésre van szüksége
    • Egyáltalán nem lehet lefordítani
    • Csökkentheti a késleltetést, és jobban megőrzi a hangot és a prozódiát
    • Csak egy nyelvpárnál működik
  4. Melyik Meta rendszerről ismert, hogy nagyjából 100 nyelvre fordít?
    • ChatGPT
    • Midjourney
    • Stable Diffusion
    • Seamless M4T
  5. Miért jelent különösen nagy kihívást a valós idejű streaming fordítás?
    • A rendszernek a mondat befejezése előtt el kell döntenie, hogy mikor fordítson le
    • A hangot nem lehet streamelni
    • Az összes nyelvnek azonos a szórendje
    • Nem igényel modelleket
  6. Milyen aggodalomra ad okot a beszélő hangjának megőrzése a fordításban?
    • A fájlok túl kicsikké válnak
    • Hozzájárulás és mélyhamisítás/hangklónozással való visszaélés
    • A fordítás lehetetlenné válik
    • A hang elveszti az összes hangot
  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