Mit dem Guide verknüpftes Quiz · Mittel Ebene
Moshi Vollduplex-Sprachquiz
Überprüft Moshis Vollduplex-Audiostreams, den Mimi-Codec, das direkte Speech-to-Speech-Design, das Latenzziel und die Methode des inneren Monologs.
Frage 1 von 8
Was bedeutet „Vollduplex“ im Kontext von Moshi?
Sehen Sie sich jede Frage in der Vorschau an8 Fragen
Während Sie am Quiz teilnehmen, werden Antworten und Erklärungen angezeigt.
- Was bedeutet „Vollduplex“ im Kontext von Moshi?
- Es kann gleichzeitig zuhören und sprechen
- Es funktioniert nur in zwei Sprachen
- Es benötigt zwei Mikrofone
- Es verdoppelt die Lautstärke
- Welche Organisation hat Moshi veröffentlicht?
- OpenAI
- Kyutai
- Google DeepMind
- Meta
- Was ist Mimi im Moshi-System?
- Eine Suchmaschine
- Ein Grafik-Renderer
- Ein neuronaler Audio-Codec, der Sprache in diskrete Token umwandelt
- Eine Textübersetzungs-API
- Wie unterscheidet sich Moshi von einer herkömmlichen Sprachassistenten-Pipeline?
- Es wird nur Text ausgegeben
- Es ist überhaupt kein Modell erforderlich
- Es funktioniert nur offline ohne KI
- Es verarbeitet Audio direkt, anstatt STT, LLM und TTS zu verketten
- Auf welche Konversationslatenz zielt Moshi ungefähr ab?
- Ungefähr 160-200 Millisekunden
- Ungefähr 2-3 Sekunden
- Ungefähr 10 Sekunden
- Genau 1 Minute
- Was ist der Zweck von Moshis „Inner Monologue“-Methode?
- Um die Konversation vor Benutzern zu verbergen
- Um Text vor Audio vorherzusagen und so die sprachliche Qualität zu verbessern
- Alles ins Französische übersetzen
- Zum Komprimieren von Videos
- 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
- Ungefähr 1 Sekunde
- 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