ガイド連動クイズ · 中 レベル

Mimi ストリーミング オーディオ コーデック クイズ

Mimi の 12.5 Hz トークン、セマンティックおよび音響コードブック、RVQ、因果ストリーミング、およびそのコーデックが Moshi ダイアログをどのようにサポートするかを確認します。

関連するガイドパスMimi ストリーミング オーディオ コーデック
質問 1 の 8

Mimi と Moshi の音声モデルをリリースしたのはどこのラボですか?

すべての質問をプレビューする8 質問

クイズに答えると、答えと解説が表示されます。

  1. Mimi と Moshi の音声モデルをリリースしたのはどこのラボですか?
    • 九体
    • OpenAI
    • DeepMind
    • Meta AI
  2. ミミはスピーチのために毎秒およそ何個のトークンを放出しますか?
    • 約200
    • 約12.5
    • 約1,000
    • 約16,000
  3. Mimi の最初のセマンティック コードブックはどのような情報を表現することを目的としていますか?
    • 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. なぜミミは「ストリーミング」または「因果関係」と表現されているのでしょうか?
    • ストリーミングされた音楽ファイルでのみ機能します
    • 機能するにはクラウド ストリームが必要です
    • テキスト字幕をストリーミングします
    • 完全なクリップを待つのではなく、オーディオが到着するとトークンを発行します。
  5. Mimi はオーディオのエンコードにどの量子化技術を使用しますか?
    • 残差ベクトル量子化 (RVQ)
    • JPEGブロック圧縮
    • ランレングスエンコーディング
    • 主成分分析
  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分
  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