Quiz collegato alla guida · Medio Livello

Quiz sul codec audio in streaming Mimi

Esamina i token a 12,5 Hz di Mimi, i codici semantici e acustici, RVQ, lo streaming causale e il modo in cui il suo codec supporta il dialogo Moshi.

Percorsi guida correlatiCodec audio in streaming Mimi
Domanda 1 di 8

Quale laboratorio ha rilasciato Mimi e il modello vocale di Moshi?

Anteprima di ogni domanda8 domande

Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.

  1. Quale laboratorio ha rilasciato Mimi e il modello vocale di Moshi?
    • Kyutai
    • OpenAI
    • DeepMind
    • IA Meta
  2. Approssimativamente quanti gettoni al secondo emette Mimi per parlare?
    • Circa 200
    • Circa 12.5
    • Circa 1.000
    • Circa 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. Perché Mimi viene descritto come "streaming" o "causale"?
    • Funziona solo su file musicali in streaming
    • Richiede un flusso cloud per funzionare
    • Trasmette i sottotitoli di testo
    • Emette token all'arrivo dell'audio invece di attendere la clip completa
  5. Quale tecnica di quantizzazione utilizza Mimi per codificare l'audio?
    • Quantizzazione vettoriale residua (RVQ)
    • Compressione dei blocchi JPEG
    • Codifica della lunghezza di esecuzione
    • Analisi delle componenti principali
  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 minuti
  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