Test legat de ghid · Mediu Nivel

SpecAugment pentru testul de recunoaștere a vorbirii

Examinați funcția SpecAugment, deformarea timpului, frecvența și măștile de timp și rezultatele specifice LibriSpeech și Switchboard.

Căi de ghidare aferenteSpecaugment pentru recunoașterea vorbirii
Întrebare 1 de 8

Pe ce operează SpecAugment?

Previzualizează fiecare întrebare8 întrebări

Răspunsurile și explicațiile apar pe măsură ce susțineți testul.

  1. Pe ce operează SpecAugment?
    • Spectrograma log-mel
    • Forma de undă audio brută
    • Transcrierea textului
    • Greutățile modelului
  2. Care dintre acestea este una dintre cele trei operațiuni ale SpecAugment?
    • Inversarea pasului
    • Mascarea de frecventa
    • Înlocuirea cuvintelor
    • Injecție cu ecou
  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. Ce face „mascarea timpului”?
    • Șterge marcajele de timp ale transcrierii
    • Accelerează redarea audio
    • Îndepărtează tăcerea la început
    • Golește un interval de pași de timp consecutivi
  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. Pe ce punct de referință a contribuit în mod deosebit SpecAugment la obținerea unor rezultate de ultimă generație?
    • ImageNet
    • LibriSpeech
    • SQUAD
    • Adeziv
  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)