Kvíz spojený s průvodcem · Střední úroveň
Plně duplexní řečový kvíz Moshi
Kontroluje plně duplexní audio streamy Moshi, kodek Mimi, návrh přímé řeči na řeč, cíl latence a metodu vnitřního monologu.
Otázka 1 z 8
Co znamená „full-duplex“ v kontextu Moshi?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Co znamená „full-duplex“ v kontextu Moshi?
- Dokáže naslouchat a mluvit zároveň
- Funguje pouze ve dvou jazycích
- Potřebuje dva mikrofony
- Zdvojnásobuje hlasitost zvuku
- Která organizace vydala Moshi?
- OpenAI
- Kyutai
- Google DeepMind
- Meta
- Co je Mimi v systému Moshi?
- Vyhledávač
- Grafický renderer
- Neuronový zvukový kodek, který mění řeč na diskrétní tokeny
- API pro překlad textu
- Jak se Moshi liší od tradičního potrubí hlasových asistentů?
- Vydává pouze text
- Nevyžaduje vůbec žádný model
- Funguje pouze offline bez AI
- Zpracovává zvuk přímo namísto řetězení STT, LLM a TTS
- Na jakou konverzační latenci se Moshi přibližně zaměřuje?
- Přibližně 160-200 milisekund
- Asi 2-3 sekundy
- Asi 10 sekund
- Přesně 1 minuta
- Jaký je účel Moshiho metody „vnitřního monologu“?
- Chcete-li skrýt konverzaci před uživateli
- Předvídání textu před zvukem, zlepšení jazykové kvality
- Přeložit vše do francouzštiny
- Pro komprimaci videa
- 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
- 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