Wav2Vec 2.0 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. Wav2Vec 2.0은 음성 인식의 어떤 핵심 문제를 해결하도록 설계되었습니까?
   • 라벨이 붙은(기록된) 오디오의 부족
   • 오디오 파일이 너무 커서 저장할 수 없음
   • 마이크가 너무 비싸요
   • 토큰화하기 어려운 텍스트
2. Wav2Vec 2.0은 사전 훈련 중에 어떤 종류의 학습 목표를 사용합니까?
   • 전체 라벨을 사용한 직접적인 음소 분류
   • 마스크된 잠재 세그먼트에 대한 대비 손실
   • 픽셀 재구성
   • 인간 피드백을 통한 강화 학습
3. Wav2Vec 2.0에서 원시 파형을 먼저 처리하는 구성 요소는 무엇입니까?
   • 반복적인 LSTM
   • 확산 샘플러
   • 다층 CNN 기능 인코더
   • 수제 MFCC 추출기
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 2.0에서 학습된 코드북의 역할은 무엇인가요?
   • 연속적인 오디오를 유한한 음성 단위로 분리합니다.
   • 사용자 비밀번호를 저장합니다.
   • 최종 성적표를 압축합니다.
   • 마이크 게인을 선택합니다.
6. Wav2Vec 2.0 접근 방식을 기반으로 구축된 대규모 다국어 모델은 무엇입니까?
   • GPT-2
   • XLS-R
   • Stable Diffusion
   • ResNet-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