贾瀞雯看著那份测试报告，眉头皱起来。

百分之六十二，意味著每三句话里就有一句识別错误。

这样的產品，根本没法用。

“瓶颈在哪儿？”她问。

“数据。”张涛说，“语音识別需要大量標註好的语音数据。

我们没有这方面的积累，要从零开始收集。

还有算法，现有模型对噪声、口音的適应性很差。”

贾瀞雯记下这些，当晚就匯报给了陈浩。

陈浩听完，沉默了一会儿。

“百分之六十二，比我预期的好一点。”他说，“我本来以为会更差。”

“那怎么办？”贾瀞雯问。

“別急。”陈浩说，“语音识別是长期工程。

先收集数据，优化模型。

我把手头一些资料发给你，可能有用。”

几天后，贾瀞雯收到一个压缩包。

里面是几十篇论文和技术文档，都是关於语音识別的最新研究。

有些是英文的，有些是中文的，还有一些是手写的笔记——陈浩的字跡。

她把这些资料转给张涛。

张涛看了之后，兴奋地打电话来：“贾总，这些资料太及时了！有几篇论文正好解决了我们遇到的问题。”

接下来的几个月，语音搜索团队边学边做。

数据从几万条积累到几十万条，模型从简单到复杂。

准確率从百分之六十二慢慢爬到百分之六十七、六十九。

但到了百分之七十，又卡住了。

“七十是个坎。”张涛在评审会上说，“再往上，需要的计算量和数据量成倍增加。

我们现有的算力不够，数据也不够。”

“需要什么？”贾瀞雯问。

“至少再翻一倍的伺服器，还要更多的標註数据。”张涛说，“投入可能要翻番。”

贾瀞雯算了一下。

翻番意味著把移动gg联盟的全部盈余都投进去，甚至还要从其他项目抽资源。

她犹豫了。

当晚的视频，她把这个难题拋给陈浩。

陈浩听完，没马上回答。

他拿起笔，在纸上画著什么。

“瀞雯，我想到一个思路。”他说，“传统的语音识別，是把声音转成文字，再用搜索去匹配。

但有没有可能，跳过一个环节？”

“什么意思？”

“直接建立声音特徵和搜索结果之间的关联。”陈浩说，“比如用户说『天气预报』，系统不是先识別成『天气预报』这几个字，再搜天气。

而是直接从声音特徵匹配到天气这个意图。”

贾瀞雯想了想：“听起来很抽象。

技术上能实现吗？”

“需要算法创新。”陈浩说，“我写个框架发给你，让团队看看。”

两天后，一份长达二十页的手写文档发到贾瀞雯邮箱。

陈浩用铅笔画的流程图，密密麻麻的注释，还有一些数学公式。

本章未完，点击下一页继续阅读。（1 / 2）