Cuestionario vinculado a una guía · Medio Nivel
Prueba de habla Moshi Full-Duplex
Comprueba las transmisiones de audio full-duplex de Moshi, el códec Mimi, el diseño directo de voz a voz, el objetivo de latencia y el método de monólogo interno.
Pregunta 1 de 8
¿Qué significa "full-duplex" en el contexto de Moshi?
Vista previa de cada pregunta8 preguntas
Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.
- ¿Qué significa "full-duplex" en el contexto de Moshi?
- Puede escuchar y hablar al mismo tiempo.
- Solo funciona en dos idiomas.
- Necesita dos micrófonos
- Duplica el volumen del audio.
- ¿Qué organización liberó a Moshi?
- OpenAI
- kyutai
- Google Mente Profunda
- Meta
- ¿Qué es Mimi en el sistema Moshi?
- un motor de búsqueda
- Un renderizador de gráficos
- Un códec de audio neuronal que convierte la voz en tokens discretos
- Una API de traducción de texto
- ¿En qué se diferencia Moshi de un asistente de voz tradicional?
- Solo genera texto
- No requiere ningún modelo
- Solo funciona sin conexión y sin IA.
- Procesa audio directamente en lugar de encadenar STT, LLM y TTS.
- ¿Aproximadamente a qué latencia conversacional se dirige Moshi?
- Alrededor de 160-200 milisegundos
- Aproximadamente 2-3 segundos
- unos 10 segundos
- exactamente 1 minuto
- ¿Cuál es el propósito del método del 'Monólogo Interior' de Moshi?
- Para ocultar la conversación a los usuarios
- Predecir el texto antes que el audio, mejorando la calidad lingüística
- Para traducir todo al francés.
- Para comprimir vídeo
- 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
- Aproximadamente 1 segundo
- 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