Тест, свързан с ръководство · Среден Ниво

Moshi Full-Duplex Speech Test

Проверява пълнодуплексните аудио потоци на Moshi, кодека Mimi, дизайна за директна реч към реч, целта за латентност и метода на вътрешния монолог.

Свързани ръководни пътекиПълен дуплексен говор на Moshi
Въпрос 1 на 8

Какво означава „пълен дуплекс“ в контекста на Moshi?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. Какво означава „пълен дуплекс“ в контекста на Moshi?
    • Може да слуша и да говори едновременно
    • Работи само на два езика
    • Има нужда от два микрофона
    • Удвоява звука на звука
  2. Коя организация пусна Moshi?
    • OpenAI
    • Кютай
    • Google DeepMind
    • Meta
  3. Какво е Mimi в системата Moshi?
    • Търсачка
    • Рендеринг на графики
    • Невронен аудио кодек, който превръща речта в отделни токени
    • API за превод на текст
  4. Как се различава Moshi от традиционния тръбопровод за гласов асистент?
    • Извежда само текст
    • Изобщо не изисква модел
    • Работи само офлайн без AI
    • Той обработва аудио директно, вместо да свързва STT, LLM и TTS
  5. Приблизително към каква латентност при разговор е насочен Moshi?
    • Около 160-200 милисекунди
    • Около 2-3 секунди
    • Около 10 секунди
    • Точно 1 минута
  6. Каква е целта на метода „Вътрешен монолог“ на Моши?
    • За да скриете разговора от потребителите
    • За предвиждане на текст преди аудио, подобряване на езиковото качество
    • Да преведа всичко на френски
    • За компресиране на видео
  7. Mimi encodes audio at 12.5 discrete frames per second. About how far apart are consecutive frames?
    • About 8 milliseconds
    • About 800 milliseconds
    • About 80 milliseconds
    • About 1 second
  8. Which two synchronized streams does Moshi model in parallel?
    • Two unrelated text transcripts
    • The user’s video and the system’s screen
    • Two copies of the same language-model weights
    • The user’s incoming audio and the system’s own outgoing audio