Quiz połączony z przewodnikiem · Średni Poziom
Quiz mowy Moshi w trybie pełnego dupleksu
Sprawdza pełnodupleksowe strumienie audio Moshi, kodek Mimi, projekt bezpośredniej zamiany mowy na mowę, docelowy poziom opóźnienia i metodę monologu wewnętrznego.
Pytanie 1 z 8
Co oznacza „pełny dupleks” w kontekście Moshi?
Podgląd każdego pytania8 pytania
Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.
- Co oznacza „pełny dupleks” w kontekście Moshi?
- Potrafi jednocześnie słuchać i mówić
- Działa tylko w dwóch językach
- Potrzebuje dwóch mikrofonów
- Podwaja głośność dźwięku
- Która organizacja wypuściła Moshiego?
- OpenAI
- Kyutai
- Google DeepMind
- Meta
- Czym jest Mimi w systemie Moshi?
- Wyszukiwarka
- Renderer grafiki
- Neuronowy kodek audio, który zamienia mowę w dyskretne tokeny
- Interfejs API tłumaczenia tekstu
- Czym Moshi różni się od tradycyjnego potoku asystenta głosowego?
- Wyświetla tylko tekst
- Nie wymaga w ogóle żadnego modelu
- Działa tylko w trybie offline, bez sztucznej inteligencji
- Przetwarza dźwięk bezpośrednio, zamiast łączyć w łańcuchy STT, LLM i TTS
- Jakie mniej więcej opóźnienie konwersacji ma na celu Moshi?
- Około 160-200 milisekund
- Około 2-3 sekundy
- Około 10 sekund
- Dokładnie 1 minuta
- Jaki jest cel metody „Monolog wewnętrzny” Moshiego?
- Aby ukryć rozmowę przed użytkownikami
- Aby przewidzieć tekst przed dźwiękiem, poprawiając jakość językową
- Przetłumaczyć wszystko na francuski
- Aby skompresować wideo
- 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
- Około 1 sekundy
- 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