Machine Learning / AI

Czym jest wymuszone dopasowanie i czy je używałeś?

Jak zdiagnozować i naprawić różnice w tempie mowy i odstępach między frazami?

Jaka jest różnica między WAV a PCM?

Jeśli tempo mowy i odstępy między frazami różnią się, jak to zdiagnozować i naprawić?

Czy masz dodatkowe pytania do rozmówcy?

Middle

ВкусВилл

Co zrobić, jeśli nie ma transkryptów dla segmentów dźwiękowych?

Czym jest G2P?

Po fine-tuningu model zaczął połykać słowa. Jak zdiagnozować i naprawić?

Co zrobić po segmentacji VAD?

Dlaczego w gradient boosting zwykle używa się słabych modeli?

Czy masz doświadczenie z rozproszonym treningiem i jakie dokładnie?

Jak zapewnić powtarzalność eksperymentów ML i możliwość przywrócenia modelu, jeśli artefakt został usunięty w S3?

Czy można zbudować boosting na modelach liniowych?

Co należy zapisać w punkcie kontrolnym, aby kontynuować trening po 47 godzinach bez utraty stanu?

Jaka jest asymptotyczna złożoność self-attention i czym jest pamięć KV podczas inferencji?

Czym jest tekst znormalizowany i jak znormalizować zwykły tekst do TTS?

Jak oznaczyć nieanotowane audio, jeśli różne ASR normalizują tekst inaczej i dodają interpunkcję?

Jak zachowa się zwykłe wyszukiwanie semantyczne w bazie wiedzy wsparcia, jeśli wszystkie dokumenty zawierają pozytywne zalecenia, ale użytkownik pyta, czego zdecydowanie nie należy robić?

Jak konkretnie stosować VAD, aby uzyskać próbki wysokiej jakości?

Jak jest implementowane wyjście strukturalne jako ograniczone dekodowanie?