Test legat de ghid · Mediu Nivel
Test de vorbire Moshi Full-Duplex
Verifică fluxurile audio full-duplex ale Moshi, codecul Mimi, designul direct de la vorbire la vorbire, ținta de latență și metoda de monolog interior.
Întrebare 1 de 8
Ce înseamnă „full-duplex” în contextul lui Moshi?
Previzualizează fiecare întrebare8 întrebări
Răspunsurile și explicațiile apar pe măsură ce susțineți testul.
- Ce înseamnă „full-duplex” în contextul lui Moshi?
- Poate asculta și vorbi în același timp
- Funcționează doar în două limbi
- Are nevoie de două microfoane
- Dublează volumul audio
- Care organizație l-a eliberat pe Moshi?
- OpenAI
- Kyutai
- Google DeepMind
- Meta
- Ce este Mimi în sistemul Moshi?
- Un motor de căutare
- Un redator grafic
- Un codec audio neuronal care transformă vorbirea în simboluri discrete
- Un API de traducere a textului
- Prin ce diferă Moshi de o conductă tradițională de asistent vocal?
- Produce doar text
- Nu necesită deloc model
- Funcționează numai offline, fără AI
- Procesează audio direct în loc să înlănțuiască STT, un LLM și TTS
- Aproximativ ce latență conversațională vizează Moshi?
- Aproximativ 160-200 de milisecunde
- Aproximativ 2-3 secunde
- Aproximativ 10 secunde
- Exact 1 minut
- Care este scopul metodei „Monologului interior” a lui Moshi?
- Pentru a ascunde conversația de utilizatori
- Pentru a prezice text înainte de sunet, îmbunătățind calitatea lingvistică
- Să traduc totul în franceză
- Pentru a comprima videoclipul
- 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
- 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