智能音箱的硬件和一些生態內容，都已經搞定了，就差一個智能的軟件了。

    要說智能音箱，智能才是他的心臟部位。

    但是智能這個詞語，聽起來很簡單，無非就是兩個字，但是做起來卻是“蜀道難，難于上青天�！边@種感覺。

    就拿那個喚醒詞來說吧，林奇決定要把那個喚醒詞去掉，可是研究了很久，還沒有研究到去掉喚醒詞的地步。

    因為在第一步的時候就被束縛了手腳，那就是語音識別。

    近些年來人工智能里面的機器學習發展的很是厲害，尤其是機器學習中的深度學習。

    深度學習利用的是大于3層的神經絡來學習，有輸入層，輸出層，中間還有很多隱藏層。

    只需要把大量的數據提供過來，輸入給寫好的程序，運行一段時間之后，就會計算出來一個模型。

    輸入的數據越多，運算的次數越多，一般情況下得出來的結果也越好。但是這里面還有一個需要注意的就是不能太依賴于輸入的數據了，否則會出現過擬合的現象。

    過擬合就是在給定的數據中，讓程序來預測某些結果，它能達到很高的準確性，比如99999，但是到了通用的數據下，這個模型表現的就很差，可能只有的準確性。

    林奇開始的時候也是利用了深度多層神經絡來進行訓練語音樣本的，因為現在市面上最流行的就是種方法。

    不過別的公司能采用這種是因為他們有很多的音頻資料，并且都是用戶自己上傳的一些音頻素材，比如深信，月活躍量一度超過10億人，可想而知，每天用它發語音的有多少人，他能收集到多少的語音片段。

    再比如尋她、搜貓和可大訊飛，他們三家公司都有自己的輸入法，每一個人都說自己的語音識別準確率最高，在手機上用這三種輸入法的大有人在，當然雖然在一些環境下用語音輸入很是麻煩，但是有一些特定的環境還是很不錯的。

    所以他們收集到的來自真人的各種場景的語音片段，也是非常豐富的。

    像上面的這些公司他們使用深度神經絡來訓練語音模型，沒有任何問題。

    但是第二智慧科技沒有聊天工具，也沒有語音輸入法，林奇也想過去這些公司買一些數據，用來訓練自己的語音識別庫，但是思來想去，還是落了下乘。

    第二智慧科技要推出的智能音箱，最主要的一個環節的原料卻是從別人那里購買的，雖然沒有什么問題，但是林奇總覺得很別扭。

    后來林奇也想過去各大站上面爬一些數據，有生物計算機在后面給自己的大力支撐，爬別人的數據，應該很方便。

    林奇也真的去這么做了，為了n頻率，還特意的n了一些速度。就這樣爬了一些數據，但是這些數據拿到手里，林奇發現有一個問題，那就是這些數據很多都是錄音棚，或者加工后的數據。

    與用戶實際生活中，比如在地鐵上發的語音，在公交車上發語音，或者在大街上發語音，在家里發語音都不太一樣，爬出來的數據很多都沒有環境音。

    沒有環境音本身其實是好的音頻，但是對于做語音識別來說這個就非常不合適了，因為做出來的模型不符合人們正常生活，與實際使用場景不符。

    那就很尷尬了，就好比你說一個人很厲害，可以用劍殺惡龍，在有惡龍的世界里面，他是當之無愧的英雄。

    但是如果他來到了現實生活中，就一事無成。

    無他，只是因為現實生活中沒有惡龍來給他殺。一個殺雞的可能都比他在現實生活中，更容易生存下去。

    最后林奇決定還是自己來搞這個模型，不僅僅語音識別是需要大量的數據，現在所有的涉及到深度學習的都是需要大量的數據來進行訓練。

    林奇并不覺得這是絕對正確，就像我們人類一樣，比如一個新奇的物種，并沒有見過，然后你給他了一張照片，說這是神獸饕餮，然后等他再次看到的時候，他很容易就能認出來，那個是不是神獸饕餮。

    林奇想做的是能通過少量的樣本就能訓練出來一個不錯的模型，這樣就可以解放語音的大數據。

    同時一個人上手的時間更短，想想即使一個人口音很重，用了智能語音軟件說了幾十句話，或者十幾句話之后，準確率大大提高，可以堪比用標準的新聞聯播主持人那樣的普通話說出來的識別率。

    其實在自然語言方面，林奇之前有一些經驗，是在創造自然語言編程的時候。

    但是里面設計到的多是語義的一些解析，沒有涉及到語音識別。

    林奇相信只要自己能通過第一關卡，那么后面的應該都很簡單。

    為了這個目的，林奇瘋狂的投入到了開發中。

    林奇把每一個的漢字讀音都收集了起來，然后有語料數據的時候，林奇把這個語料做了一個分類。

    一個是標準讀音串起來的語音，一個是真實的語音。

    林奇先處理了真實語音，把真實語音分成了環境音和人聲。

    接著又拿出來人聲和原來的標準讀音進行對比，找出來了兩者的差異。

    經過不懈的努力，還真的找出來了同一個人在說不同話的時候有一些相同的東西。

    就像不同地方的人有不同地方的口音一樣，一個人說話的時候，與標準的普通話有固定的“偏差”。

    找出來了這個“偏差”，林奇非常興奮，他覺得這個可能是他最近一段時間研究，最大的成果了。

    有那個處于地下四層之下的量子生物計算機的強大后盾，林奇研究出來了這個“偏差”，又基于這個做出來了一套新的語音模型。

    這種新的模型，與市面上的模型都不一樣，市面上的模型都是一個固定的，比如用戶和b用戶安裝后得到的都是一樣的模型。

    而這個不一樣，開始安裝的時候都是一樣的，但是人們說的話越多，他得到的數據越多，就越精確，并且模型會根據這個人的語音輸入而變化，以至于可以達到千人千面，甚至億人億面。

    這也是因為第二智慧科技有生物計算機在后面作保證的，如果沒有這些功能和存儲都很厲害的生物計算機，這是不可能實現的。

    第二智慧科技也有一支團隊在做語音識別，不過他們就是按照常規的深度學習來做的建模。

    最近他們遇到了一個問題，找到了林奇這里。

【精彩東方文學 www.nuodawy.com】 提供武動乾坤等作品手打文字版最新章節首發，txt電子書格式免費下載歡迎注冊收藏。