ガイド連動クイズ · 中 レベル

Wav2Vec 2.0 クイズ

Wav2Vec 2.0 の自己教師付き事前トレーニング レシピ、対照的な目的、および低ラベルの LibriSpeech 結果の限界をテストします。

関連するガイドパスWav2vec 2 0
質問 1 の 8

Wav2Vec 2.0 は、音声認識におけるどのような中心的な問題に対処するために設計されましたか?

すべての質問をプレビューする8 質問

クイズに答えると、答えと解説が表示されます。

  1. Wav2Vec 2.0 は、音声認識におけるどのような中心的な問題に対処するために設計されましたか?
    • ラベル付き（転写された）音声の不足
    • オーディオファイルが大きすぎて保存できない
    • マイクが高すぎる
    • テキストをトークン化するのが難しい
  2. Wav2Vec 2.0 は事前トレーニング中にどのような学習目標を使用しますか?
    • 完全なラベルによる直接音素分類
    • マスクされた潜在セグメントに対する対照的な損失
    • ピクセル再構築
    • 人間のフィードバックからの強化学習
  3. Wav2Vec 2.0 で生の波形を最初に処理するコンポーネントは何ですか?
    • 再発するLSTM
    • 拡散サンプラー
    • マルチレイヤー CNN 特徴エンコーダー
    • 手作りのMFCC抽出器
  4. In a reported LibriSpeech experiment, what small labeled-data setup demonstrated low-label potential?
    • 10 minutes unlabeled with no pretraining
    • 53,000 hours labeled with no pretraining
    • One hour labeled with no unlabeled data
    • 10 minutes labeled after pretraining on 53,000 hours of unlabeled speech
  5. Wav2Vec 2.0 における学習されたコードブックの役割は何ですか?
    • 連続音声を有限の音声単位に離散化します。
    • ユーザーのパスワードを保存します
    • 最終的なトランスクリプトを圧縮します
    • マイクゲインを選択します
  6. Wav2Vec 2.0 アプローチに基づいて構築された大規模な多言語モデルはどれですか?
    • GPT-2
    • XLS-R
    • Stable Diffusion
    • レスネット-50
  7. What does the Transformer contribute during Wav2Vec 2.0 pretraining?
    • Converts transcripts into audio
    • Clusters final text into language labels
    • Contextualizes latent speech features around masked spans
    • Removes the feature encoder
  8. What is typically done after self-supervised pretraining to create an ASR model?
    • Replace the audio encoder with an image classifier
    • Train only on unlabeled text
    • Discard the model and use k-means alone
    • Fine-tune with transcribed speech