Quiz collegato alla guida · Medio Livello

Quiz sulla traduzione vocale

Controlla la traduzione vocale diretta e in cascata, le unità acustiche discrete, la latenza dello streaming, la conservazione della voce e i problemi di consenso.

Percorsi guida correlatiTraduzione da discorso a discorso
Domanda 1 di 8

Cosa fa la traduzione vocale (S2ST)?

Anteprima di ogni domanda8 domande

Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.

  1. Cosa fa la traduzione vocale (S2ST)?
    • Converte il parlato in una lingua in audio parlato in un'altra lingua
    • Trascrive solo l'audio in testo
    • Traduce documenti scritti in PDF
    • Genera musica di sottofondo
  2. Quali sono le tre fasi di un classico sistema S2ST in cascata?
    • Registra, archivia, elimina
    • Riconoscimento vocale, traduzione automatica, sintesi vocale
    • Crittografa, comprimi, invia
    • Ascolta, ignora, ripeti
  3. Qual è il vantaggio chiave del S2ST diretto (end-to-end) rispetto ai sistemi a cascata?
    • Sono sempre necessari più passaggi di testo
    • Non può essere tradotto affatto
    • Può ridurre la latenza e preservare meglio la voce e la prosodia
    • Funziona solo per una coppia linguistica
  4. Quale sistema Meta è noto per la traduzione in circa 100 lingue?
    • ChatGPT
    • Midjourney
    • Stable Diffusion
    • Senza soluzione di continuitàM4T
  5. Perché la traduzione in streaming in tempo reale è particolarmente impegnativa?
    • Il sistema deve decidere quando tradurre prima che la frase finisca
    • Non è possibile eseguire lo streaming dell'audio
    • Tutte le lingue condividono lo stesso ordine delle parole
    • Non richiede modelli
  6. Quale preoccupazione emergente deriva dal preservare la voce di chi parla nella traduzione?
    • I file diventano troppo piccoli
    • Consenso e abuso di deepfake/clonazione vocale
    • La traduzione diventa impossibile
    • L'audio perde tutto il suono
  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