Questionário vinculado ao guia · Médio Nível
Questionário de fala full-duplex Moshi
Verifica os fluxos de áudio full-duplex do Moshi, codec Mimi, design direto de fala para fala, alvo de latência e método de monólogo interno.
Pergunta 1 de 8
O que significa 'full-duplex' no contexto de Moshi?
Visualize cada pergunta8 perguntas
As respostas e explicações aparecem conforme você responde ao teste.
- O que significa 'full-duplex' no contexto de Moshi?
- Ele pode ouvir e falar ao mesmo tempo
- Só funciona em dois idiomas
- Precisa de dois microfones
- Duplica o volume do áudio
- Qual organização lançou Moshi?
- OpenAI
- Kyutai
- Google DeepMind
- Meta
- O que é Mimi no sistema Moshi?
- Um mecanismo de busca
- Um renderizador gráfico
- Um codec de áudio neural que transforma a fala em tokens discretos
- Uma API de tradução de texto
- Como o Moshi difere de um pipeline de assistente de voz tradicional?
- Ele só gera texto
- Não requer nenhum modelo
- Funciona apenas offline, sem IA
- Ele processa áudio diretamente em vez de encadear STT, um LLM e TTS
- Aproximadamente qual latência de conversação o Moshi visa?
- Cerca de 160-200 milissegundos
- Cerca de 2-3 segundos
- Cerca de 10 segundos
- Exatamente 1 minuto
- Qual é o propósito do método 'Monólogo Interior' de Moshi?
- Para ocultar a conversa dos usuários
- Para prever o texto antes do áudio, melhorando a qualidade linguística
- Para traduzir tudo para o francês
- Para compactar vídeo
- 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
- Cerca de 1 segundo
- 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