智能音箱的硬件和一些生態(tài)內(nèi)容，都已經(jīng)搞定了，就差一個(gè)智能的軟件了。
要說(shuō)智能音箱，智能才是他的心臟部位。
但是智能這個(gè)詞語(yǔ)，聽(tīng)起來(lái)很簡(jiǎn)單，無(wú)非就是兩個(gè)字，但是做起來(lái)卻是“蜀道難，難于上青天�！边@種感覺(jué)。
就拿那個(gè)喚醒詞來(lái)說(shuō)吧，林奇決定要把那個(gè)喚醒詞去掉，可是研究了很久，還沒(méi)有研究到去掉喚醒詞的地步。
因?yàn)樵诘谝徊降臅r(shí)候就被束縛了手腳，那就是語(yǔ)音識(shí)別。
近些年來(lái)人工智能里面的機(jī)器學(xué)習(xí)發(fā)展的很是厲害，尤其是機(jī)器學(xué)習(xí)中的深度學(xué)習(xí)。
深度學(xué)習(xí)利用的是大于3層的神經(jīng)絡(luò)來(lái)學(xué)習(xí)，有輸入層，輸出層，中間還有很多隱藏層。
只需要把大量的數(shù)據(jù)提供過(guò)來(lái)，輸入給寫(xiě)好的程序，運(yùn)行一段時(shí)間之后，就會(huì)計(jì)算出來(lái)一個(gè)模型。
輸入的數(shù)據(jù)越多，運(yùn)算的次數(shù)越多，一般情況下得出來(lái)的結(jié)果也越好。但是這里面還有一個(gè)需要注意的就是不能太依賴于輸入的數(shù)據(jù)了，否則會(huì)出現(xiàn)過(guò)擬合的現(xiàn)象。
過(guò)擬合就是在給定的數(shù)據(jù)中，讓程序來(lái)預(yù)測(cè)某些結(jié)果，它能達(dá)到很高的準(zhǔn)確性，比如99999，但是到了通用的數(shù)據(jù)下，這個(gè)模型表現(xiàn)的就很差，可能只有的準(zhǔn)確性。
林奇開(kāi)始的時(shí)候也是利用了深度多層神經(jīng)絡(luò)來(lái)進(jìn)行訓(xùn)練語(yǔ)音樣本的，因?yàn)楝F(xiàn)在市面上最流行的就是種方法。
不過(guò)別的公司能采用這種是因?yàn)樗麄冇泻芏嗟囊纛l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(guò)10億人，可想而知，每天用它發(fā)語(yǔ)音的有多少人，他能收集到多少的語(yǔ)音片段。
再比如尋她、搜貓和可大訊飛，他們?nèi)夜径加凶约旱妮斎敕�，每一個(gè)人都說(shuō)自己的語(yǔ)音識(shí)別準(zhǔn)確率最高，在手機(jī)上用這三種輸入法的大有人在，當(dāng)然雖然在一些環(huán)境下用語(yǔ)音輸入很是麻煩，但是有一些特定的環(huán)境還是很不錯(cuò)的。
所以他們收集到的來(lái)自真人的各種場(chǎng)景的語(yǔ)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(jīng)絡(luò)來(lái)訓(xùn)練語(yǔ)音模型，沒(méi)有任何問(wèn)題。
但是第二智慧科技沒(méi)有聊天工具，也沒(méi)有語(yǔ)音輸入法，林奇也想過(guò)去這些公司買(mǎi)一些數(shù)據(jù)，用來(lái)訓(xùn)練自己的語(yǔ)音識(shí)別庫(kù)，但是思來(lái)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(gè)環(huán)節(jié)的原料卻是從別人那里購(gòu)買(mǎi)的，雖然沒(méi)有什么問(wèn)題，但是林奇總覺(jué)得很別扭。
后來(lái)林奇也想過(guò)去各大站上面爬一些數(shù)據(jù)，有生物計(jì)算機(jī)在后面給自己的大力支撐，爬別人的數(shù)據(jù)，應(yīng)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(shù)據(jù)，但是這些數(shù)據(jù)拿到手里，林奇發(fā)現(xiàn)有一個(gè)問(wèn)題，那就是這些數(shù)據(jù)很多都是錄音棚，或者加工后的數(shù)據(jù)。
與用戶實(shí)際生活中，比如在地鐵上發(fā)的語(yǔ)音，在公交車上發(fā)語(yǔ)音，或者在大街上發(fā)語(yǔ)音，在家里發(fā)語(yǔ)音都不太一樣，爬出來(lái)的數(shù)據(jù)很多都沒(méi)有環(huán)境音。
沒(méi)有環(huán)境音本身其實(shí)是好的音頻，但是對(duì)于做語(yǔ)音識(shí)別來(lái)說(shuō)這個(gè)就非常不合適了，因?yàn)樽龀鰜?lái)的模型不符合人們正常生活，與實(shí)際使用場(chǎng)景不符。
那就很尷尬了，就好比你說(shuō)一個(gè)人很厲害，可以用劍殺惡龍，在有惡龍的世界里面，他是當(dāng)之無(wú)愧的英雄。
但是如果他來(lái)到了現(xiàn)實(shí)生活中，就一事無(wú)成。
無(wú)他，只是因?yàn)楝F(xiàn)實(shí)生活中沒(méi)有惡龍來(lái)給他殺。一個(gè)殺雞的可能都比他在現(xiàn)實(shí)生活中，更容易生存下去。
最后林奇決定還是自己來(lái)搞這個(gè)模型，不僅僅語(yǔ)音識(shí)別是需要大量的數(shù)據(jù)，現(xiàn)在所有的涉及到深度學(xué)習(xí)的都是需要大量的數(shù)據(jù)來(lái)進(jìn)行訓(xùn)練。
林奇并不覺(jué)得這是絕對(duì)正確，就像我們?nèi)祟愐粯�，比如一個(gè)新奇的物種，并沒(méi)有見(jiàn)過(guò)，然后你給他了一張照片，說(shuō)這是神獸饕餮，然后等他再次看到的時(shí)候，他很容易就能認(rèn)出來(lái)，那個(gè)是不是神獸饕餮。
林奇想做的是能通過(guò)少量的樣本就能訓(xùn)練出來(lái)一個(gè)不錯(cuò)的模型，這樣就可以解放語(yǔ)音的大數(shù)據(jù)。
同時(shí)一個(gè)人上手的時(shí)間更短，想想即使一個(gè)人口音很重，用了智能語(yǔ)音軟件說(shuō)了幾十句話，或者十幾句話之后，準(zhǔn)確率大大提高，可以堪比用標(biāo)準(zhǔn)的新聞聯(lián)播主持人那樣的普通話說(shuō)出來(lái)的識(shí)別率。
其實(shí)在自然語(yǔ)言方面，林奇之前有一些經(jīng)驗(yàn)，是在創(chuàng)造自然語(yǔ)言編程的時(shí)候。
但是里面設(shè)計(jì)到的多是語(yǔ)義的一些解析，沒(méi)有涉及到語(yǔ)音識(shí)別。
林奇相信只要自己能通過(guò)第一關(guān)卡，那么后面的應(yīng)該都很簡(jiǎn)單。
為了這個(gè)目的，林奇瘋狂的投入到了開(kāi)發(fā)中。
林奇把每一個(gè)的漢字讀音都收集了起來(lái)，然后有語(yǔ)料數(shù)據(jù)的時(shí)候，林奇把這個(gè)語(yǔ)料做了一個(gè)分類。
一個(gè)是標(biāo)準(zhǔn)讀音串起來(lái)的語(yǔ)音，一個(gè)是真實(shí)的語(yǔ)音。
林奇先處理了真實(shí)語(yǔ)音，把真實(shí)語(yǔ)音分成了環(huán)境音和人聲。
接著又拿出來(lái)人聲和原來(lái)的標(biāo)準(zhǔn)讀音進(jìn)行對(duì)比，找出來(lái)了兩者的差異。
經(jīng)過(guò)不懈的努力，還真的找出來(lái)了同一個(gè)人在說(shuō)不同話的時(shí)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(gè)人說(shuō)話的時(shí)候，與標(biāo)準(zhǔn)的普通話有固定的“偏差”。
找出來(lái)了這個(gè)“偏差”，林奇非常興奮，他覺(jué)得這個(gè)可能是他最近一段時(shí)間研究，最大的成果了。
有那個(gè)處于地下四層之下的量子生物計(jì)算機(jī)的強(qiáng)大后盾，林奇研究出來(lái)了這個(gè)“偏差”，又基于這個(gè)做出來(lái)了一套新的語(yǔ)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(gè)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(gè)不一樣，開(kāi)始安裝的時(shí)候都是一樣的，但是人們說(shuō)的話越多，他得到的數(shù)據(jù)越多，就越精確，并且模型會(huì)根據(jù)這個(gè)人的語(yǔ)音輸入而變化，以至于可以達(dá)到千人千面，甚至億人億面。
這也是因?yàn)榈诙腔劭萍加猩镉?jì)算機(jī)在后面作保證的，如果沒(méi)有這些功能和存儲(chǔ)都很厲害的生物計(jì)算機(jī)，這是不可能實(shí)現(xiàn)的。
第二智慧科技也有一支團(tuán)隊(duì)在做語(yǔ)音識(shí)別，不過(guò)他們就是按照常規(guī)的深度學(xué)習(xí)來(lái)做的建模。
最近他們遇到了一個(gè)問(wèn)題，找到了林奇這里。
【精彩東方文學(xué) www.nuodawy.com】 提供武動(dòng)乾坤等作品手打文字版最新章節(jié)首發(fā)，txt電子書(shū)格式免費(fèi)下載歡迎注冊(cè)收藏。