Questionário vinculado ao guia · Médio Nível
Questionário de tradução de fala para fala
Verifica a tradução de fala direta e em cascata, unidades acústicas discretas, latência de streaming, preservação de voz e questões de consentimento.
Pergunta 1 de 8
O que a tradução de fala para fala (S2ST) faz?
Visualize cada pergunta8 perguntas
As respostas e explicações aparecem conforme você responde ao teste.
- O que a tradução de fala para fala (S2ST) faz?
- Converte fala em um idioma em áudio falado em outro idioma
- Transcreve apenas áudio em texto
- Traduz documentos escritos para PDFs
- Gera música de fundo
- Quais são os três estágios de um sistema S2ST clássico em cascata?
- Gravar, armazenar, excluir
- Reconhecimento de fala, tradução automática, conversão de texto em fala
- Criptografar, compactar, enviar
- Ouça, ignore, repita
- Qual é a principal vantagem do S2ST direto (ponta a ponta) em relação aos sistemas em cascata?
- Sempre precisa de mais etapas de texto
- Não consegue traduzir de jeito nenhum
- Pode diminuir a latência e preservar melhor a voz e a prosódia
- Funciona apenas para um par de idiomas
- Qual sistema Meta é conhecido por traduzir cerca de 100 idiomas?
- ChatGPT
- Midjourney
- Stable Diffusion
- Sem emendaM4T
- Por que a tradução por streaming em tempo real é especialmente desafiadora?
- O sistema deve decidir quando traduzir antes que uma frase termine
- O áudio não pode ser transmitido
- Todos os idiomas compartilham ordem de palavras idêntica
- Não requer modelos
- Que preocupação emergente surge com a preservação da voz do locutor na tradução?
- Os arquivos ficam muito pequenos
- Consentimento e uso indevido de deepfake/clonagem de voz
- A tradução torna-se impossível
- O áudio perde todo o som
- 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
- 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