ガイド連動クイズ · 中 レベル

もし全二重スピーチクイズ

Moshi の全二重オーディオ ストリーム、Mimi コーデック、直接スピーチツースピーチ設計、遅延目標、および内部モノローグ方法をチェックします。

関連するガイドパスMoshi 全二重スピーチ
質問 1 の 8

Moshi の文脈において「全二重」とは何を意味しますか?

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. Moshi の文脈において「全二重」とは何を意味しますか?
    • 聞くことと話すことを同時に行うことができます
    • 2 つの言語でのみ動作します
    • マイクが2つ必要です
    • オーディオの音量が2倍になります
  2. モシを解放した組織はどこですか?
    • OpenAI
    • 九体
    • Google ディープマインド
    • Meta
  3. MoshiシステムのMimiとは何ですか?
    • 検索エンジン
    • グラフィックスレンダラー
    • 音声を個別のトークンに変換するニューラル オーディオ コーデック
    • テキスト翻訳 API
  4. Moshi は従来の音声アシスタント パイプラインとどう違うのですか?
    • テキストのみを出力します
    • モデルはまったく必要ありません
    • AI を使用せずにオフラインでのみ機能します
    • STT、LLM、TTS を連鎖させるのではなく、オーディオを直接処理します。
  5. Moshi はおよそどのくらいの会話遅延を目標としていますか?
    • 約160～200ミリ秒
    • 約2～3秒
    • 約10秒
    • ちょうど 1 分
  6. モシの「内なる独白」メソッドの目的は何ですか?
    • ユーザーから会話を非表示にするには
    • 音声の前にテキストを予測し、言語品質を向上させる
    • すべてをフランス語に翻訳するには
    • ビデオを圧縮するには
  7. 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
    • About 1 second
  8. 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