মিমি স্ট্রিমিং অডিও কোডেক কুইজ

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

1. কোন ল্যাব মিমি এবং মোশি ভয়েস মডেল প্রকাশ করেছে?
   • Kyutai
   • OpenAI
   • DeepMind
   • Meta এআই
2. প্রতি সেকেন্ডে মিমি বক্তৃতার জন্য কত টোকেন নির্গত করে?
   • প্রায় 200
   • প্রায় 12.5
   • প্রায় 1,000
   • প্রায় 16,000
3. What information does Mimi’s first semantic codebook aim to represent?
   • Only the waveform’s stereo channel count
   • A transcript copied verbatim from a separate recognizer
   • Semantic speech information distilled from WavLM representations
   • The exact speaker identity with no acoustic tokens
4. মিমিকে কেন 'স্ট্রিমিং' বা 'কারণমূলক' হিসেবে বর্ণনা করা হয়েছে?
   • এটি শুধুমাত্র স্ট্রিম করা মিউজিক ফাইলে কাজ করে
   • এটি কাজ করার জন্য একটি ক্লাউড স্ট্রিম প্রয়োজন
   • এটা টেক্সট সাবটাইটেল স্ট্রিম
   • সম্পূর্ণ ক্লিপের জন্য অপেক্ষা করার পরিবর্তে অডিও আসার সাথে সাথে এটি টোকেন নির্গত করে
5. মিমি অডিও এনকোড করতে কোন কোয়ান্টাইজেশন কৌশল ব্যবহার করে?
   • অবশিষ্ট ভেক্টর কোয়ান্টাইজেশন (RVQ)
   • JPEG ব্লক কম্প্রেশন
   • রান-দৈর্ঘ্য এনকোডিং
   • প্রধান উপাদান বিশ্লেষণ
6. What does Mimi’s discrete audio-token representation let Moshi do?
   • Treat audio tokens as ordinary words with identical meanings
   • Model audio continuations as token sequences and decode them back into speech
   • Avoid using an audio decoder
   • Recover the original recording session stems
7. What is a reported frame size for Mimi’s streaming codec in the Moshi paper?
   • 8 seconds
   • 1 millisecond
   • 80 milliseconds
   • 10 মিনিট
8. Which encoder/decoder design does the Moshi report describe for Mimi?
   • A text-only BERT encoder with no audio decoder
   • A fixed lookup table with no learned encoder
   • A bidirectional non-causal decoder that waits for the entire conversation
   • Neural encoder and decoder Transformers with causal masking for streaming