Kuis Codec Audio Streaming Mimi

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

1. Lab apa yang merilis model suara Mimi dan Moshi?
   • Kyutai
   • OpenAI
   • DeepMind
   • AI Meta
2. Kira-kira berapa banyak token per detik yang dikeluarkan Mimi untuk berbicara?
   • Sekitar 200
   • Sekitar 12,5
   • Sekitar 1.000
   • Sekitar 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. Mengapa Mimi digambarkan sebagai 'streaming' atau 'kausal'?
   • Ini hanya berfungsi pada file musik yang dialirkan
   • Ini membutuhkan aliran cloud agar dapat berfungsi
   • Ini mengalirkan subtitle teks
   • Ini memancarkan token saat audio tiba alih-alih menunggu klip lengkapnya
5. Teknik kuantisasi manakah yang digunakan Mimi untuk menyandikan audio?
   • Kuantisasi vektor sisa (RVQ)
   • Kompresi blok JPEG
   • Pengkodean jangka waktu
   • Analisis komponen utama
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 menit
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