Викторина, связанная с руководством · Средний Уровень

Викторина по переводу речи в речь

Проверяет каскадный и прямой перевод речи, дискретные акустические устройства, задержку потоковой передачи, сохранение голоса и проблемы с согласием.

Связанные направляющие путиПеревод речи в речь
Вопрос 1 из 8

Что делает перевод речи в речь (S2ST)?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. Что делает перевод речи в речь (S2ST)?
    • Преобразует речь на одном языке в разговорный звук на другом языке.
    • Транскрибирует только аудио в текст
    • Переводит письменные документы в PDF-файлы.
    • Генерирует фоновую музыку
  2. Каковы три этапа классической каскадной системы S2ST?
    • Записать, сохранить, удалить
    • Распознавание речи, машинный перевод, преобразование текста в речь
    • Зашифровать, сжать, отправить
    • Слушай, игнорируй, повторяй
  3. В чем ключевое преимущество прямого (сквозного) S2ST перед каскадными системами?
    • Всегда требуется больше текстовых шагов
    • он вообще не может перевести
    • Это может снизить задержку и лучше сохранить голос и просодию.
    • Это работает только для одной языковой пары.
  4. Какая система Meta известна тем, что осуществляет перевод примерно на 100 языков?
    • ChatGPT
    • Midjourney
    • Stable Diffusion
    • БесшовныйM4T
  5. Почему потоковый перевод в реальном времени особенно сложен?
    • Система должна решить, когда переводить, прежде чем предложение закончится.
    • Звук не может транслироваться
    • Во всех языках порядок слов одинаковый.
    • Не требует моделей
  6. Какая новая проблема возникает в связи с сохранением голоса говорящего при переводе?
    • Файлы становятся слишком маленькими
    • Согласие и злоупотребление дипфейками/клонированием голоса
    • Перевод становится невозможным
    • Звук теряет весь звук
  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