三四中文

手机浏览器扫描二维码访问

第78章 锥处囊中（第2页）

夏洛特正想无情戳穿他中年人的装模作样，突然看到史蒂芬的卧室门，啪哒一声打开，连忙闭嘴。

秀才遇到兵，耍嘴皮子的最怕动手揍人的。

史蒂芬戴着耳塞，从冰箱里拿出牛奶，自顾自返回卧室，才不管叛逆期的小妹和中年危机的老爹。

谷歌大厦。

语音识别部。

虽早已过下班时间，但办公室里依然灯火通明。

“…使用了非常先进的语音识别技术，几乎将人机对话这一设想变成现实！

“瞧，在断网状态下，它都能借助机器的识别和理解，将人类的语音信号转换成对应文本。

“…前端的信号处理、中间的语音、语义识别和对话管理，以及后期的语音合成…简直是艺术品！”

谷歌的两位工程师测试着维斯顿语音输入法，脸上露出朝圣般的崇拜，还有幻想中的技术被人实现的惊讶。

“我已经喊老大过来了，咱们继续测试！

“从小词汇量到大词汇量，再到大词汇量；

“从限定语境到弹性语境，再到任意语境；

“从安静环境到近场环境，再到远场嘈杂环境；

“从朗读环境到口语环境，再到任意对话环境；

“从单语种到多语种，再到多…

“哇喔！断网时，表现优秀；联网时，堪称完美！”

谷歌语音识别部门的老大，席工程师威尔，带着一群技术人员围过来。

众人对两人所说的测试结果难以置信。

“我们的语音输入法，还处于对每个建模单元的统计概率模型进行描述阶段，哪里冒出来的小公司，meta？已经推出如此成熟的产品了！”

威尔手心全是汗，花了公司几千万，没开出最先进的产品，终会有人担责。

“是和我们一样，采用高斯混合模型（gmm，用海量数据训练出来的吗？”

威尔抿着嘴唇，盯着手下操作，“应该不是gmm，那本质上是一种浅层网络建模，对特征的状态空间分布不能充分描述…特征维度一般也就几十维，对特征之间的相关性也不能进行充分描述…”

在周杰前世，直到2o11年，微软公司基于深度神经网络，才在语音识别系统研究方面取得阶段性的成果。

由家娃变异进化后优化出来的维斯顿，已远微软那时的技术。

此世此时，巨头们在语音识别方面，还处于实验阶段。

而维斯顿语音输入法，在语音的前端处理涵盖的几个模块，已极度优秀。

说话人声检测模块，可以有效地检测说话人声开始和结束的时刻，并区分说话人声与背景声。