Chương 196: 第197章 语音识别

　　要说智能音箱，智能才是他的心脏部位。

　　但是智能这个词语，听起来很简单，无非就是两个字，但是做起来却是“蜀道难，难于上青天。”这种感觉。

　　就拿那个唤醒词来说吧，林奇决定要把那个唤醒词去掉，可是研究了很久，还没有研究到去掉唤醒词的地步。

　　因为在第一步的时候就被束缚了手脚，那就是语音识别。

　　近些年来人工智能里面的机器学习发展的很是厉害，尤其是机器学习中的深度学习。

　　深度学习利用的是大于3层的神经网络来学习，有输入层，输出层，中间还有很多隐藏层。

　　只需要把大量的数据提供过来，输入给写好的程序，运行一段时间之后，就会计算出来一个模型。

　　输入的数据越多，运算的次数越多，一般情况下得出来的结果也越好。但是这里面还有一个需要注意的就是不能太依赖于输入的数据了，否则会出现过拟合的现象。

　　过拟合就是在给定的数据中，让程序来预测某些结果，它能达到很高的准确性，比如99.999%，但是到了通用的数据下，这个模型表现的就很差，可能只有88%的准确性。

　　林奇开始的时候也是利用了深度多层神经网络来进行训练语音样本的，因为现在市面上最流行的就是种方法。

　　不过别的公司能采用这种是因为他们有很多的音频资料，并且都是用户自己上传的一些音频素材，比如深信，月活跃量一度超过10亿人，可想而知，每天用它发语音的有多少人，他能收集到多少的语音片段。

　　再比如寻她、搜猫和可大讯飞，他们三家公司都有自己的输入法，每一个人都说自己的语音识别准确率最高，在手机上用这三种输入法的大有人在，当然虽然在一些环境下用语音输入很是麻烦，但是有一些特定的环境还是很不错的。

　　所以他们收集到的来自真人的各种场景的语音片段，也是非常丰富的。

　　像上面的这些公司他们使用深度神经网络来训练语音模型，没有任何问题。

　　但是第二智慧科技没有IM聊天工具，也没有语音输入法，林奇也想过去这些公司买一些数据，用来训练自己的语音识别库，但是思来想去，还是落了下乘。

　　第二智慧科技要推出的智能音箱，最主要的一个环节的原料却是从别人那里购买的，虽然没有什么问题，但是林奇总觉得很别扭。

　　后来林奇也想过去各大网站上面爬一些数据，有生物计算机在后面给自己的大力支撑，爬别人的数据，应该很方便。