Bài kiểm tra Wav2Vec 2.0

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

1. Wav2Vec 2.0 được thiết kế để giải quyết vấn đề cốt lõi nào trong nhận dạng giọng nói?
   • Sự khan hiếm của âm thanh được dán nhãn (phiên âm)
   • Tệp âm thanh quá lớn để lưu trữ
   • Micro quá đắt
   • Văn bản khó mã hóa
2. Wav2Vec 2.0 sử dụng loại mục tiêu học tập nào trong quá trình đào tạo trước?
   • Phân loại âm vị trực tiếp với nhãn đầy đủ
   • Sự mất mát tương phản đối với các phân đoạn tiềm ẩn bị che giấu
   • Tái tạo pixel
   • Học tăng cường từ phản hồi của con người
3. Thành phần nào xử lý dạng sóng thô đầu tiên trong Wav2Vec 2.0?
   • LSTM định kỳ
   • Máy lấy mẫu khuếch tán
   • Bộ mã hóa tính năng CNN nhiều lớp
   • Máy chiết xuất MFCC thủ công
4. Trong một thí nghiệm LibriSpeech được báo cáo, thiết lập dữ liệu có nhãn nhỏ nào đã chứng minh tiềm năng nhãn thấp?
   • 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. Vai trò của sách mã đã học trong Wav2Vec 2.0 là gì?
   • Nó rời rạc hóa âm thanh liên tục thành các đơn vị giọng nói hữu hạn
   • Nó lưu trữ mật khẩu người dùng
   • Nó nén bản ghi cuối cùng
   • Nó chọn mức tăng micrô
6. Mô hình đa ngôn ngữ lớn nào được xây dựng theo phương pháp Wav2Vec 2.0?
   • 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