Questionário vinculado ao guia · Médio Nível

Teste de codec de áudio de streaming Mimi

Revise os tokens de 12,5 Hz do Mimi, livros de códigos semânticos e acústicos, RVQ, streaming causal e como seu codec suporta o diálogo Moshi.

Caminhos de guia relacionadosCodec de áudio de streaming Mimi
Pergunta 1 de 8

Qual laboratório lançou Mimi e o modelo de voz Moshi?

Visualize cada pergunta8 perguntas

As respostas e explicações aparecem conforme você responde ao teste.

  1. Qual laboratório lançou Mimi e o modelo de voz Moshi?
    • Kyutai
    • OpenAI
    • DeepMind
    • Meta IA
  2. Aproximadamente quantos tokens por segundo Mimi emite para fala?
    • Cerca de 200
    • Cerca de 12,5
    • Cerca de 1.000
    • Cerca de 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. Por que Mimi é descrita como ‘streaming’ ou ‘causal’?
    • Funciona apenas em arquivos de música transmitidos
    • Requer um fluxo de nuvem para funcionar
    • Ele transmite legendas de texto
    • Ele emite tokens conforme o áudio chega, em vez de esperar pelo clipe completo
  5. Qual técnica de quantização o Mimi usa para codificar áudio?
    • Quantização vetorial residual (RVQ)
    • Compressão de bloco JPEG
    • Codificação de comprimento de execução
    • Análise de componentes principais
  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 minutos
  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