Wav2Vec 2.0 Sınavı

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. Wav2Vec 2.0, konuşma tanımada hangi temel sorunu çözmek için tasarlandı?
   • Etiketlenmiş (yazıya dökülmüş) sesin azlığı
   • Ses dosyalarının depolanamayacak kadar büyük olması
   • Mikrofonların çok pahalı olması
   • Metnin simgeleştirilmesinin zor olması
2. Wav2Vec 2.0 ön eğitim sırasında ne tür bir öğrenme hedefi kullanıyor?
   • Tam etiketlerle doğrudan fonem sınıflandırması
   • Maskelenmiş gizli bölümler üzerinde karşılaştırmalı bir kayıp
   • Piksel yeniden yapılandırması
   • İnsan geri bildirimlerinden pekiştirmeli öğrenme
3. Wav2Vec 2.0'da ham dalga biçimini ilk olarak hangi bileşen işler?
   • Tekrarlayan bir LSTM
   • Bir difüzyon örnekleyici
   • Çok katmanlı bir CNN özellik kodlayıcı
   • El işi bir MFCC çıkarıcı
4. 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
5. Öğrenilen kod kitabının Wav2Vec 2.0'daki rolü nedir?
   • Sürekli sesi sonlu konuşma birimlerine ayırır
   • Kullanıcı şifrelerini saklar
   • Son transkripti sıkıştırır
   • Mikrofon kazancını seçer
6. Hangi büyük çok dilli model Wav2Vec 2.0 yaklaşımı üzerine inşa edilmiştir?
   • GPT-2
   • XLS-R
   • Stable Diffusion
   • ResNet-50
7. 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
8. 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