Maswali yanayounganishwa na mwongozo · Kati Kiwango

Maswali ya Tafsiri ya Usemi-hadi-Hotuba

Hukagua utafsiri wa sauti na wa moja kwa moja, vitengo vya sauti tofauti, muda wa kusubiri wa kutiririsha, kuhifadhi sauti na masuala ya idhini.

Njia za mwongozo zinazohusianaTafsiri ya Hotuba kwa Hotuba
Swali 1 ya 8

Tafsiri ya Usemi-hadi-Hotuba (S2ST) hufanya nini?

Hakiki kila swali8 maswali

Majibu na maelezo huonekana unapojibu maswali.

  1. Tafsiri ya Usemi-hadi-Hotuba (S2ST) hufanya nini?
    • Hubadilisha usemi wa lugha moja kuwa sauti ya mazungumzo katika lugha nyingine
    • Hunakili sauti kuwa maandishi pekee
    • Inatafsiri hati zilizoandikwa kwa PDF
    • Huzalisha muziki wa usuli
  2. Je, ni hatua gani tatu za mfumo wa kawaida wa S2ST?
    • Rekodi, kuhifadhi, kufuta
    • Utambuzi wa matamshi, tafsiri ya mashine, maandishi-hadi-hotuba
    • Encrypt, compress, kutuma
    • Sikiliza, kupuuza, kurudia
  3. Je! ni faida gani kuu ya S2ST ya moja kwa moja (mwisho-hadi-mwisho) juu ya mifumo ya kuteleza?
    • Daima inahitaji hatua zaidi za maandishi
    • Haiwezi kutafsiri hata kidogo
    • Inaweza kupunguza muda wa kusubiri na kuhifadhi vyema sauti na prosody
    • Inafanya kazi kwa jozi ya lugha moja pekee
  4. Je, ni mfumo gani wa Meta unaojulikana kwa kutafsiri katika takriban lugha 100?
    • ChatGPT
    • Midjourney
    • Stable Diffusion
    • ImefumwaM4T
  5. Kwa nini tafsiri ya utiririshaji katika wakati halisi ni changamoto hasa?
    • Mfumo lazima uamue wakati wa kutafsiri kabla ya sentensi kukamilika
    • Sauti haiwezi kutiririshwa
    • Lugha zote hushiriki mpangilio wa maneno sawa
    • Haihitaji mifano
  6. Ni wasiwasi gani unaojitokeza kutokana na kuhifadhi sauti ya mzungumzaji katika tafsiri?
    • Faili zinakuwa ndogo sana
    • Idhini na utumizi mbaya wa uwongo wa bandia/sauti
    • Tafsiri inakuwa haiwezekani
    • Sauti hupoteza sauti zote
  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