แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ยาก ระดับ
แบบทดสอบคำพูดควบคุมตนเองของ HuBERT
ตรวจสอบว่า HuBERT สร้างเป้าหมายที่ได้มาจากคลัสเตอร์สำหรับเสียงที่มาสก์ วนซ้ำป้ายกำกับ และประเมินการนำเสนอที่เรียนรู้เกี่ยวกับเกณฑ์มาตรฐานคำพูด
คำถาม 1 ของ 8
HuBERT สร้างเป้าหมายที่พยายามคาดการณ์ระหว่างการฝึกอย่างไร
ดูตัวอย่างทุกคำถาม8 คำถาม
คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ
- HuBERT สร้างเป้าหมายที่พยายามคาดการณ์ระหว่างการฝึกอย่างไร
- การรวมกลุ่มคุณสมบัติเสียงแบบออฟไลน์แบบ k-mean ลงในหน่วยที่ซ่อนอยู่
- การถอดเสียงของมนุษย์
- ป้ายกำกับเสียงสุ่ม
- ตรงกันข้ามกับตัวอย่างที่รบกวนสมาธิ
- โมเดลข้อความที่รู้จักกันดีข้อใดเป็นแรงบันดาลใจให้กับแผนการฝึกอบรมการทำนายแบบสวมหน้ากากของ HuBERT
- GPT-3
- เบิร์ต
- เรสเน็ต
- Word2Vec
- HuBERT ปรับปรุงฉลากเป้าหมายผ่านการฝึกอบรมซ้ำอย่างต่อเนื่องอย่างไร
- มีการจ้างผู้อธิบายเพิ่มเติม
- มันเพิ่มเสียงรบกวนที่ดิบมากขึ้น
- จัดกลุ่มใหม่โดยใช้การนำเสนอภายในที่ได้รับการปรับปรุงของโมเดลเอง
- มันค้างกลุ่มแรกตลอดไป
- โดยทั่วไปฟีเจอร์ใดบ้างที่จัดกลุ่มในการทำซ้ำครั้งแรกของ HuBERT
- คำถอดเสียงสุดท้าย
- พิกเซลของภาพ
- การฝังรหัสผู้พูด
- คุณสมบัติอะคูสติก MFCC แบบธรรมดา
- เหตุใด HuBERT จึงสามารถเรียนรู้โครงสร้างที่เป็นประโยชน์ได้แม้ว่าการจัดกลุ่มจะไม่สมบูรณ์ก็ตาม
- จำเป็นต้องคาดการณ์ ID คลัสเตอร์ในตำแหน่งที่ปกปิดเท่านั้น ซึ่งยังคงเป็นงานที่สอดคล้องกัน
- โดยจะละเว้นคลัสเตอร์ทั้งหมด
- มันใช้การจัดกลุ่มออราเคิลที่สมบูรณ์แบบ
- มันจำชุดทดสอบ
- Which pretraining challenge does HuBERT address by using offline cluster labels?
- Speech has no temporal structure
- There is no lexicon of sound units available during pretraining
- Every speaker uses the same pitch
- Audio contains no repeated patterns
- In the HuBERT paper, what relative WER reductions did the 1B-parameter model report on dev-other and test-other?
- Exactly 50% on both sets
- No measurable change on either set
- Up to 19% on dev-other and 13% on test-other
- Up to 13% on dev-other and 19% on test-other
- Which benchmark sets did the original HuBERT paper use for speech-recognition results?
- อิมเมจเน็ตและโคโค่
- GLUE and SuperGLUE
- SQuAD and TriviaQA
- LibriSpeech and Libri-light