แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ
แบบทดสอบ Wav2Vec 2.0
ทดสอบสูตรการฝึกล่วงหน้าแบบมีผู้ดูแลด้วยตนเองของ Wav2Vec 2.0 วัตถุประสงค์เชิงเปรียบเทียบ และขีดจำกัดของผลลัพธ์ LibriSpeech ที่มีป้ายกำกับต่ำ
คำถาม 1 ของ 8
ปัญหาหลักในการรู้จำเสียงคือ Wav2Vec 2.0 ที่ได้รับการออกแบบมาเพื่อแก้ไขอย่างไร
ดูตัวอย่างทุกคำถาม8 คำถาม
คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ
- ปัญหาหลักในการรู้จำเสียงคือ Wav2Vec 2.0 ที่ได้รับการออกแบบมาเพื่อแก้ไขอย่างไร
- ความขาดแคลนของเสียงที่มีป้ายกำกับ (ถอดเสียง)
- ไฟล์เสียงมีขนาดใหญ่เกินกว่าจะจัดเก็บได้
- ไมโครโฟนมีราคาแพงเกินไป
- ข้อความยากที่จะโทเค็น
- Wav2Vec 2.0 ใช้วัตถุประสงค์การเรียนรู้แบบใดระหว่างการฝึกล่วงหน้า?
- การจำแนกหน่วยเสียงโดยตรงพร้อมป้ายกำกับแบบเต็ม
- การสูญเสียที่ตรงกันข้ามกับส่วนแฝงที่ถูกปกปิด
- การสร้างพิกเซลใหม่
- การเรียนรู้การเสริมกำลังจากผลตอบรับของมนุษย์
- องค์ประกอบใดที่ประมวลผลรูปคลื่นดิบใน Wav2Vec 2.0 ก่อน
- LSTM ที่เกิดซ้ำ
- ตัวอย่างการแพร่กระจาย
- ตัวเข้ารหัสคุณลักษณะ CNN หลายชั้น
- เครื่องสกัด MFCC ที่ทำด้วยมือ
- In a reported LibriSpeech experiment, what small labeled-data setup demonstrated low-label potential?
- 10 minutes unlabeled with no pretraining
- 53,000 hours labeled with no pretraining
- One hour labeled with no unlabeled data
- 10 minutes labeled after pretraining on 53,000 hours of unlabeled speech
- บทบาทของ codebook ที่เรียนรู้ใน Wav2Vec 2.0 คืออะไร?
- โดยแยกเสียงที่ต่อเนื่องออกเป็นหน่วยเสียงพูดจำกัด
- มันเก็บรหัสผ่านของผู้ใช้
- มันบีบอัดการถอดเสียงขั้นสุดท้าย
- มันเลือกเกนไมโครโฟน
- โมเดลหลายภาษาขนาดใหญ่ใดที่สร้างขึ้นบนแนวทาง Wav2Vec 2.0
- GPT-2
- XLS-R
- Stable Diffusion
- เรสเน็ต-50
- What does the Transformer contribute during Wav2Vec 2.0 pretraining?
- Converts transcripts into audio
- Clusters final text into language labels
- Contextualizes latent speech features around masked spans
- Removes the feature encoder
- What is typically done after self-supervised pretraining to create an ASR model?
- Replace the audio encoder with an image classifier
- Train only on unlabeled text
- Discard the model and use k-means alone
- Fine-tune with transcribed speech