แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบคำพูด Moshi Full-Duplex

ตรวจสอบสตรีมเสียงฟูลดูเพล็กซ์ของ Moshi, ตัวแปลงสัญญาณ Mimi, การออกแบบคำพูดเป็นคำพูดโดยตรง, เป้าหมายเวลาในการตอบสนอง และวิธีการพูดคนเดียวภายใน

เส้นทางแนะนำที่เกี่ยวข้องสุนทรพจน์โมชิฟูลดูเพล็กซ์
คำถาม 1 ของ 8

'ฟูลดูเพล็กซ์' หมายถึงอะไรในบริบทของ Moshi

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. 'ฟูลดูเพล็กซ์' หมายถึงอะไรในบริบทของ Moshi
    • สามารถฟังและพูดได้ในเวลาเดียวกัน
    • มันใช้งานได้สองภาษาเท่านั้น
    • มันต้องมีไมโครโฟนสองตัว
    • มันเพิ่มระดับเสียงเป็นสองเท่า
  2. องค์กรไหนปล่อยโมชิ?
    • OpenAI
    • คิวไต
    • Google ดีพมายด์
    • Meta
  3. มีมี่ในระบบโมชิคืออะไร?
    • เครื่องมือค้นหา
    • ตัวเรนเดอร์กราฟิก
    • ตัวแปลงสัญญาณเสียงแบบนิวรอลที่เปลี่ยนคำพูดเป็นโทเค็นแบบแยก
    • API การแปลข้อความ
  4. Moshi แตกต่างจากไปป์ไลน์ผู้ช่วยเสียงแบบเดิมอย่างไร
    • มันแสดงเฉพาะข้อความเท่านั้น
    • มันไม่จำเป็นต้องมีโมเดลเลย
    • มันทำงานแบบออฟไลน์เท่านั้นโดยไม่มี AI
    • โดยจะประมวลผลเสียงโดยตรงแทนการเชื่อมโยง STT, LLM และ TTS
  5. Moshi ตั้งเป้าเวลาแฝงในการสนทนาไว้ประมาณเท่าใด
    • ประมาณ 160-200 มิลลิวินาที
    • ประมาณ 2-3 วินาที
    • ประมาณ 10 วินาที
    • 1 นาทีพอดี
  6. จุดประสงค์ของวิธี 'Inner Monologue' ของ Moshi คืออะไร?
    • เพื่อซ่อนการสนทนาจากผู้ใช้
    • เพื่อคาดเดาข้อความก่อนเสียง ปรับปรุงคุณภาพทางภาษา
    • เพื่อแปลทุกอย่างเป็นภาษาฝรั่งเศส
    • เพื่อบีบอัดวิดีโอ
  7. 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
    • ประมาณ 1 วินาที
  8. 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