Machine Learning / AI

Čo je nútené zarovnanie a či ste ho používali?

Ako diagnostikovať a opraviť rozdiely v rýchlosti reči a intervaloch medzi frázami?

Aký je rozdiel medzi WAV a PCM?

Ak sa rýchlosť reči a intervaly medzi frázami líšia, ako to diagnostikovať a opraviť?

Máte ďalšie otázky pre interviewéra?

Middle

ВкусВилл

Čo robiť, ak neexistujú prepisy pre audio segmenty?

Čo je G2P?

Po doladení model začal prehĺtať slová. Ako to diagnostikovať a opraviť?

Čo robiť po segmentácii VAD?

Prečo sa v gradient boosting zvyčajne používajú slabé modely?

Existuje skúsenosť s distribuovaným tréningom a čo presne?

Ako zabezpečiť reprodukovateľnosť ML experimentov a možnosť obnovy modelu, ak bol artefakt vymazaný v S3?

Môže byť boosting postavený na lineárnych modeloch?

Čo je potrebné uložiť v kontrolnom bode, aby ste mohli pokračovať v tréningu po 47 hodinách bez straty stavu?

Aká je asymptotická zložitosť self-attention a čo je KV-cache pri inferencii?

Čo je normalizovaný text a ako normalizovať bežný text pre TTS?

Ako anotovať nenavrhnuté audio, ak rôzne ASR normalizujú text odlišne a pridávajú interpunkciu?

Ako sa bude správať bežné sémantické vyhľadávanie v podpore znalostnej bázy, ak všetky dokumenty obsahujú pozitívne odporúčania, ale používateľ sa pýta, čo určite nie je vhodné robiť?

Ako konkrétne použiť VAD na získanie kvalitných vzoriek?

Ako je implementovaný štruktúrovaný výstup ako obmedzené dekódovanie?