گائیڈ سے منسلک کوئز · درمیانہ سطح

اسپیچ ٹو اسپیچ ٹرانسلیشن کوئز

کاسکیڈڈ اور ڈائریکٹ اسپیچ ٹرانسلیشن، مجرد صوتی یونٹس، اسٹریمنگ میں تاخیر، آواز کے تحفظ اور رضامندی کے خدشات کو چیک کرتا ہے۔

متعلقہ گائیڈ کے راستےتقریر سے تقریر کا ترجمہ

سوال 1 کی 8

اسپیچ ٹو اسپیچ ٹرانسلیشن (S2ST) کیا کرتا ہے؟

ہر سوال کا جائزہ لیں۔8 سوالات

جب آپ کوئز دیتے ہیں تو جوابات اور وضاحتیں ظاہر ہوتی ہیں۔

اسپیچ ٹو اسپیچ ٹرانسلیشن (S2ST) کیا کرتا ہے؟
- ایک زبان میں تقریر کو دوسری زبان میں بولی جانے والی آڈیو میں تبدیل کرتا ہے۔
- صرف آڈیو کو متن میں نقل کرتا ہے۔
- تحریری دستاویزات کا پی ڈی ایف میں ترجمہ کرتا ہے۔
- بیک گراؤنڈ میوزک تیار کرتا ہے۔
کلاسک کاسکیڈڈ S2ST سسٹم کے تین مراحل کیا ہیں؟
- ریکارڈ کریں، ذخیرہ کریں، حذف کریں۔
- تقریر کی شناخت، مشینی ترجمہ، متن سے تقریر
- خفیہ کریں، سکیڑیں، بھیجیں۔
- سنیں، نظر انداز کریں، دہرائیں۔
کاسکیڈڈ سسٹمز پر براہ راست (اختتام سے آخر تک) S2ST کا ایک اہم فائدہ کیا ہے؟
- اسے ہمیشہ مزید ٹیکسٹ اقدامات کی ضرورت ہوتی ہے۔
- یہ بالکل ترجمہ نہیں کر سکتا
- یہ تاخیر کو کم کر سکتا ہے اور آواز اور پراسوڈی کو بہتر طریقے سے محفوظ کر سکتا ہے۔
- یہ صرف ایک زبان کے جوڑے کے لیے کام کرتا ہے۔
کون سا Meta سسٹم تقریباً 100 زبانوں میں ترجمہ کرنے کے لیے جانا جاتا ہے؟
- ChatGPT
- Midjourney
- Stable Diffusion
- سیملیس ایم 4 ٹی
ریئل ٹائم اسٹریمنگ ترجمہ خاص طور پر مشکل کیوں ہے؟
- نظام کو یہ فیصلہ کرنا چاہیے کہ جملہ ختم ہونے سے پہلے کب ترجمہ کرنا ہے۔
- آڈیو کو سٹریم نہیں کیا جا سکتا
- تمام زبانیں یکساں الفاظ کی ترتیب کا اشتراک کرتی ہیں۔
- اسے کسی ماڈل کی ضرورت نہیں ہے۔
ترجمہ میں اسپیکر کی آواز کو محفوظ رکھنے سے کون سی ابھرتی ہوئی تشویش آتی ہے؟
- فائلیں بہت چھوٹی ہو جاتی ہیں۔
- رضامندی اور ڈیپ فیک/وائس کلوننگ کا غلط استعمال
- ترجمہ ناممکن ہو جاتا ہے۔
- آڈیو تمام آواز کھو دیتا ہے۔
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
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