Machine Learning / AI

Ce este alinierea forțată și ai folosit-o?

Cum se diagnostichează și se corectează diferențele de ritm și intervale între fraze?

Care este diferența dintre WAV și PCM?

Dacă viteza de vorbire și intervalele dintre fraze diferă, cum se diagnostichează și se remediază?

Ai întrebări suplimentare pentru intervievator?

Middle

ВкусВилл

Ce trebuie făcut dacă nu există transcrieri pentru segmentele audio?

Ce este G2P?

După ajustarea fină, modelul a început să înghită cuvinte. Cum să diagnostichezi și să remediezi?

Ce trebuie făcut după segmentarea VAD?

De ce sunt de obicei folosite modele slabe în gradient boosting?

Există experiență cu antrenamentul distribuit și ce anume?

Cum se asigură reproducibilitatea experimentelor ML și capacitatea de a restaura modelul dacă artefactul a fost șters în S3?

Poate fi construit boosting pe modele liniare?

Ce trebuie salvat în punctul de control pentru a continua antrenamentul după 47 de ore fără a pierde starea?

Care este complexitatea asimptotică a auto-atenției și ce este cache-ul KV în inferență?

Ce este textul normalizat și cum se normalizează textul obișnuit pentru TTS?

Cum se adaugă adnotări unui audio neadnotat dacă diferite ASR normalizează textul diferit și adaugă punctuație?

Cum se va comporta căutarea semantică obișnuită într-o bază de cunoștințe de suport dacă toate documentele conțin recomandări pozitive, dar utilizatorul întreabă ce nu trebuie făcut în mod clar?

Cum se aplică în mod specific VAD pentru a obține mostre de calitate?

Cum se implementează ieșirea structurată ca decodare restricționată?