Kuiz berkaitan panduan · Sederhana Tahap
Kuiz Codec Audio Penstriman Mimi
Semak token 12.5 Hz, buku kod semantik dan akustik Mimi, RVQ, penstriman kausal dan cara codecnya menyokong dialog Moshi.
soalan 1 daripada 8
Makmal apa yang mengeluarkan Mimi dan model suara Moshi?
Pratonton setiap soalan8 soalan
Jawapan dan penjelasan muncul semasa anda mengambil kuiz.
- Makmal apa yang mengeluarkan Mimi dan model suara Moshi?
- Kyutai
- OpenAI
- DeepMind
- AI Meta
- Secara kasar berapa banyak token sesaat yang Mimi keluarkan untuk pertuturan?
- Kira-kira 200
- Lebih kurang 12.5
- Kira-kira 1,000
- Kira-kira 16,000
- 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
- Mengapakah Mimi disifatkan sebagai 'streaming' atau 'causal'?
- Ia hanya berfungsi pada fail muzik yang distrim
- Ia memerlukan aliran awan untuk berfungsi
- Ia menstrim sari kata teks
- Ia mengeluarkan token apabila audio tiba dan bukannya menunggu klip penuh
- Teknik pengkuantitian yang manakah Mimi gunakan untuk mengekod audio?
- Kuantiti vektor sisa (RVQ)
- Pemampatan blok JPEG
- Pengekodan panjang larian
- Analisis komponen utama
- 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
- What is a reported frame size for Mimi’s streaming codec in the Moshi paper?
- 8 seconds
- 1 millisecond
- 80 milliseconds
- 10 minit
- 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