SpecAugment do quizu dotyczącego rozpoznawania mowy

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. Na czym działa SpecAugment?
   • Spektrogram log-mel
   • Surowy przebieg audio
   • Transkrypcja tekstu
   • Ciężary modelu
2. Która z nich jest jedną z trzech operacji SpecAugment?
   • Odwrócenie wysokości
   • Maskowanie częstotliwości
   • Zastępowanie słów
   • Wstrzyknięcie echa
3. What role did the SpecAugment paper assign to its feature transformations?
   • They guarantee that every recognizer avoids overfitting
   • They replace the need for transcribed training data
   • They augment ASR training inputs and were evaluated for recognition performance
   • They improve every speech model by the same amount
4. Do czego służy „maskowanie czasu”?
   • Usuwa znaczniki czasu transkrypcji
   • Przyspiesza odtwarzanie dźwięku
   • Usuwa ciszę na początku
   • Wymazuje zakres kolejnych kroków czasowych
5. How are time- and frequency-mask locations chosen during SpecAugment training?
   • They are randomly sampled, so the same input may receive different masked regions on later passes
   • They are fixed permanently before the training set is collected
   • They are chosen by a language model after each recognition result
   • They are identical for every utterance and every training step
6. W jakim benchmarku SpecAugment szczególnie pomógł osiągnąć najnowocześniejsze wyniki?
   • ImageNet
   • LibriSpeech
   • SKŁAD
   • KLEJ
7. What does time warping do in the original SpecAugment policy?
   • It replaces speech frames with translated text
   • It masks every frequency channel permanently
   • It deforms feature positions along the time axis
   • It changes the speaker identity in the waveform
8. Which recognizer architecture did the original SpecAugment paper use in its experiments?
   • A region-based image detector
   • A music source-separation U-Net only
   • A text-only masked language model
   • Listen, Attend and Spell (LAS)