Test legat de ghid · Mediu Nivel

Test de traducere de la vorbire la vorbire

Verifică traducerea în cascadă și directă a vorbirii, unitățile acustice discrete, latența în flux, păstrarea vocii și preocupările privind consimțământul.

Căi de ghidare aferenteTraducere vorbire în vorbire
Întrebare 1 de 8

Ce face Speech-to-Speech Translation (S2ST)?

Previzualizează fiecare întrebare8 întrebări

Răspunsurile și explicațiile apar pe măsură ce susțineți testul.

  1. Ce face Speech-to-Speech Translation (S2ST)?
    • Transformă vorbirea într-o limbă în sunet vorbit într-o altă limbă
    • Transcrie doar audio în text
    • Traduce documente scrise în PDF-uri
    • Generează muzică de fundal
  2. Care sunt cele trei etape ale unui sistem clasic S2ST în cascadă?
    • Înregistrați, stocați, ștergeți
    • Recunoașterea vorbirii, traducerea automată, text-to-speech
    • Criptați, comprimați, trimiteți
    • Ascultă, ignoră, repetă
  3. Care este un avantaj cheie al S2ST direct (end-to-end) față de sistemele în cascadă?
    • Întotdeauna are nevoie de mai mulți pași de text
    • Nu se poate traduce deloc
    • Poate reduce latența și poate păstra mai bine vocea și prozodia
    • Funcționează doar pentru o pereche de limbi
  4. Care sistem Meta este cunoscut pentru traducerea în aproximativ 100 de limbi?
    • ChatGPT
    • Midjourney
    • Stable Diffusion
    • Fără sudurăM4T
  5. De ce traducerea în flux în timp real este deosebit de dificilă?
    • Sistemul trebuie să decidă când să traducă înainte ca o propoziție să se termine
    • Audio nu poate fi transmis în flux
    • Toate limbile au aceeași ordine de cuvinte
    • Nu necesită modele
  6. Ce îngrijorare emergentă vine din păstrarea vocii unui vorbitor în traducere?
    • Fișierele devin prea mici
    • Consimțământ și folosire greșită de deepfake/clonarea vocii
    • Traducerea devine imposibilă
    • Audio pierde tot sunetul
  7. 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
  8. 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