SpecAugment для тесту з розпізнавання мовлення

Відповіді та пояснення з’являються під час виконання тесту.

1. На чому працює SpecAugment?
   • Лог-мел спектрограма
   • Необроблена форма звукового сигналу
   • Розшифровка тексту
   • Вага моделі
2. Яка з них є однією з трьох операцій SpecAugment?
   • Зміна висоти тону
   • Частотне маскування
   • Заміна слів
   • Ехоін'єкція
3. What role did the SpecAugment paper assign to its feature transformations?
   • They guarantee that every recognizer avoids overfitting
   • They replace the need for transcribed training data
   • They augment ASR training inputs and were evaluated for recognition performance
   • They improve every speech model by the same amount
4. Що робить "маскування часу"?
   • Видаляє мітки часу транскрипції
   • Прискорює відтворення аудіо
   • Видаляє тишу на початку
   • Викреслює проміжок послідовних часових кроків
5. How are time- and frequency-mask locations chosen during SpecAugment training?
   • They are randomly sampled, so the same input may receive different masked regions on later passes
   • They are fixed permanently before the training set is collected
   • They are chosen by a language model after each recognition result
   • They are identical for every utterance and every training step
6. На якому тесті SpecAugment особливо допоміг досягти найсучасніших результатів?
   • ImageNet
   • LibriSpeech
   • СКВАД
   • КЛЕЙ
7. What does time warping do in the original SpecAugment policy?
   • It replaces speech frames with translated text
   • It masks every frequency channel permanently
   • It deforms feature positions along the time axis
   • It changes the speaker identity in the waveform
8. Which recognizer architecture did the original SpecAugment paper use in its experiments?
   • A region-based image detector
   • A music source-separation U-Net only
   • A text-only masked language model
   • Listen, Attend and Spell (LAS)