Machine Learning / AI

Kas ir piespiedu saskaņošana un vai jūs to esat izmantojis?

Kā diagnosticēt un novērst runas ātruma un intervāla atšķirības starp frāzēm?

Kāda ir atšķirība starp WAV un PCM?

Ja runas ātrums un intervāli starp frāzēm atšķiras, kā to diagnosticēt un labot?

Vai jums ir papildu jautājumi intervētājam?

Middle

ВкусВилл

Ko darīt, ja nav transkriptu audio segmentiem?

Kas ir G2P?

Pēc smalkas korekcijas modelis sāka norīt vārdus. Kā diagnosticēt un labot?

Ko darīt pēc VAD segmentācijas?

Kāpēc gradient boosting parasti izmanto vājus modeļus?

Vai ir pieredze ar izplatītu apmācību un kas tieši?

Kā nodrošināt ML eksperimentu atkārtojamību un iespēju atjaunot modeli, ja artefakts tika dzēsts S3?

Vai boosting var tikt būvēts uz lineāriem modeļiem?

Ko nepieciešams saglabāt kontrolpunktā, lai pēc 47 stundām varētu turpināt apmācību bez stāvokļa zaudēšanas?

Kāda ir self-attention asimptotiskā sarežģītība un kas ir KV-kešs inferencē?

Kas ir normalizēts teksts un kā normalizēt parasto tekstu TTS?

Kā atzīmēt nenormētus audio, ja dažādi ASR normalizē tekstu atšķirīgi un pievieno pieturzīmes?

Kā uzvedīsies parastā semantiskā meklēšana atbalsta zināšanu bāzē, ja visi dokumenti satur pozitīvas rekomendācijas, bet lietotājs jautā, ko noteikti nedrīkst darīt?

Kā konkrēti piemērot VAD, lai iegūtu kvalitatīvus paraugus?

Kā tiek īstenots strukturēts izvads kā ierobežots dekodēšana?