Câu đố về Codec âm thanh trực tuyến Mimi

Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.

1. Phòng thí nghiệm nào đã phát hành Mimi và mẫu giọng nói Moshi?
   • Kyutai
   • OpenAI
   • DeepMind
   • Meta Trí tuệ nhân tạo
2. Mimi phát ra bao nhiêu token mỗi giây để phát biểu?
   • Khoảng 200
   • Khoảng 12,5
   • Khoảng 1.000
   • Khoảng 16.000
3. Sách mã ngữ nghĩa đầu tiên của Mimi nhằm mục đích thể hiện thông tin gì?
   • 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. Tại sao Mimi được mô tả là 'phát trực tuyến' hoặc 'nhân quả'?
   • Nó chỉ hoạt động trên các tập tin nhạc trực tuyến
   • Nó yêu cầu một luồng đám mây để hoạt động
   • Nó truyền phát phụ đề văn bản
   • Nó phát ra mã thông báo khi có âm thanh thay vì đợi toàn bộ clip
5. Mimi sử dụng kỹ thuật lượng tử hóa nào để mã hóa âm thanh?
   • Lượng tử hóa vector dư (RVQ)
   • nén khối JPEG
   • Mã hóa thời lượng chạy
   • Phân tích thành phần chính
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 phút
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