Machine Learning / AI

¿Qué es la alineación forzada y lo has utilizado?

¿Cómo diagnosticar y solucionar las diferencias en la velocidad y los intervalos entre frases?

¿Cuál es la diferencia entre WAV y PCM?

Si la velocidad del habla y los intervalos entre frases difieren, ¿cómo diagnosticar y solucionar?

¿Tienes alguna pregunta adicional para el entrevistador?

Middle

ВкусВилл

¿Qué hacer si no hay transcripciones para segmentos de audio?

¿Qué es G2P?

Después de ajustar finamente, el modelo empezó a tragar palabras. ¿Cómo diagnosticar y solucionar?

¿Qué hacer después de la segmentación VAD?

¿Por qué se suelen usar modelos débiles en el gradient boosting?

¿Hay experiencia con entrenamiento distribuido y en qué exactamente?

¿Cómo garantizar la reproducibilidad de los experimentos de ML y la capacidad de restaurar el modelo si el artefacto fue eliminado en S3?

¿Se puede construir boosting sobre modelos lineales?

¿Qué se debe guardar en el punto de control para continuar el entrenamiento después de 47 horas sin perder el estado?

¿Cuál es la complejidad asintótica de la autoatención y qué es el caché KV en la inferencia?

¿Qué es texto normalizado y cómo normalizar texto regular para TTS?

¿Cómo anotar audio no anotado si diferentes ASR normalizan el texto de manera diferente y añaden puntuación?

¿Cómo se comportará la búsqueda semántica regular en una base de conocimientos de soporte si todos los documentos contienen recomendaciones positivas, pero el usuario pregunta qué no se debe hacer?

¿Cómo aplicar específicamente VAD para obtener muestras de calidad?

¿Cómo se implementa la salida estructurada como decodificación restringida?