Bài kiểm tra có liên kết hướng dẫn · Trung bình Cấp độ

Bài kiểm tra dịch từ giọng nói sang giọng nói

Kiểm tra bản dịch giọng nói trực tiếp và xếp tầng, các đơn vị âm thanh rời rạc, độ trễ phát trực tuyến, các vấn đề về bảo toàn giọng nói và sự đồng ý.

Đường dẫn hướng dẫn liên quanDịch từ giọng nói sang giọng nói
Câu hỏi 1 của 8

Dịch từ giọng nói sang giọng nói (S2ST) làm gì?

Xem trước mọi câu hỏi8 câu hỏi

Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.

  1. Dịch từ giọng nói sang giọng nói (S2ST) làm gì?
    • Chuyển đổi lời nói trong một ngôn ngữ thành âm thanh nói bằng ngôn ngữ khác
    • Chỉ chuyển âm thanh thành văn bản
    • Dịch tài liệu bằng văn bản sang PDF
    • Tạo nhạc nền
  2. Ba giai đoạn của hệ thống S2ST xếp tầng cổ điển là gì?
    • Ghi lại, lưu trữ, xóa
    • Nhận dạng giọng nói, dịch máy, chuyển văn bản thành giọng nói
    • Mã hóa, nén, gửi
    • Nghe, bỏ qua, lặp lại
  3. Ưu điểm chính của S2ST trực tiếp (từ đầu đến cuối) so với các hệ thống xếp tầng là gì?
    • Nó luôn cần nhiều bước văn bản hơn
    • Nó không thể dịch được gì cả
    • Nó có thể giảm độ trễ và bảo toàn giọng nói cũng như nhịp điệu tốt hơn
    • Nó chỉ hoạt động cho một cặp ngôn ngữ
  4. Hệ thống Meta nào được biết đến với khả năng dịch sang khoảng 100 ngôn ngữ?
    • ChatGPT
    • Midjourney
    • Stable Diffusion
    • Liền MạchM4T
  5. Tại sao dịch thuật trực tuyến theo thời gian thực lại đặc biệt khó khăn?
    • Hệ thống phải quyết định thời điểm dịch trước khi câu kết thúc
    • Không thể truyền phát âm thanh
    • Tất cả các ngôn ngữ đều có trật tự từ giống hệt nhau
    • Nó không yêu cầu mô hình
  6. Mối quan tâm mới nổi nào đến từ việc bảo tồn giọng nói của diễn giả trong bản dịch?
    • Các tập tin trở nên quá nhỏ
    • Sự đồng ý và lạm dụng deepfake/nhân bản giọng nói
    • Việc dịch trở nên không thể
    • Âm thanh mất hết âm thanh
  7. 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
  8. 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