首页 > 都市重生 > 每月发放黑科技,美帝要制裁我? > 第291章 智能语音助手全面转向深度学习路线?

第291章 智能语音助手全面转向深度学习路线?(2/2)

目录

请关闭浏览器的阅读/畅读/小说模式并且关闭广告屏蔽过滤功能,避免出现内容无法显示或者段落错乱。

“数据量不够,模型太浅。”周牧野推了推眼镜,语气里带着研究者特有的执拗。

“我们现在的声学模型还是基于传统GMM-HMM框架,语义理解更是靠规则模板硬套。想要实现您说的那种像人一样对话的效果,没有海量语料训练,根本做不到。

而且计算量太大,以现在手机处理器的性能,本地跑深度学习模型几乎不可能。如果全部走云端,延迟和网络稳定性又是大问题。”

“模型框架,全面转向深度学习路线。”

周牧野一愣:“深度学习?语音领域现在主流还是…”

“我知道现在主流是什么,但我要的不是主流,是领先。我给你三个目标参数,你记好。”

周牧野连忙掏出笔记本。

“第一,声学模型放弃GMM-HMM,上深度神经网络,用DNN-HMM混合框架做过渡,最终目标是完全的端到端识别。训练语料我来解决,年底前我给你弄到十万小时以上的标注语音数据。”

“十万小时?”周牧野手一抖,国内目前公开的语音语料库加起来恐怕都没有一万小时。

“第二,语义理解不要再用规则模板了,上意图识别加槽位填充的联合模型。我要它能理解上下文,支持至少三轮以上的连续对话,并且能记住对话过程中的关键信息。

比如用户先说帮我订明天去北京的票,接着问那边天气怎么样,再然后说帮我带件厚外套,它要知道那边指的是北京。明天这个日期要延续到订酒店、查天气、提醒穿衣这一系列动作里。”

周牧野咽了口唾沫,只觉得头皮发麻。

这种程度的上下文关联,就是国际最顶尖的实验室也还在论文阶段。

“第三,本地算力不够,就从算法端压缩。量化、剪枝、知识蒸馏,这些手段全用上。同时,蓝芯微电子那边正在研发下一代应用处理器,我会让他们在芯片里集成一颗专用的神经网络加速单元,专门跑语音模型。

但在芯片出来之前,你们先用软件方案扛着,目标是把模型压缩到能在现有旗舰机上本地运行基础指令识别,复杂语义走云端,端到端延迟控制在三百毫秒以内。”

三百毫秒。周牧野在心里默念这个数字,这意味着从用户说完话到系统给出反馈,要在零点三秒内完成,几乎要达到人类对话的无感延迟。

“林总,这…”周牧野张了张嘴,想说这几乎是不可能完成的任务。

但林辰那双眼睛看着他,平静得像一潭深水,却又带着某种让人无法质疑的魔力。

“周总监,我立项的时候说过,天音项目不是要做一个玩具,不是要做一个只能设闹钟查天气的噱头。我要的是下一代人机交互的入口。

明年,深蓝系统的装机量很可能会突破五千万,后年可能会过亿。当用户习惯了动嘴不动手,谁掌握了语音入口,谁就掌握了移动互联网的下一个时代。”

他伸手拍了拍周牧野的肩膀:“技术路径你不用担心,按我说的方向走,该突破的瓶颈,会在该突破的时候突破。你现在要做的,就是把团队扩到一百人以上,分三个小组并行,声学组、语义组、工程组。钱管够,人管够,我只看结果。”

周牧野看着林辰,忽然想起自己入职那天,林辰在办公室里对他说的话:“跟着我,你会做出改变世界的产品。”

当时他觉得这年轻人狂妄。

但现在,看着这个比自己小了将近十岁的男人,他莫名其妙地觉得…也许真能做到。

“明白,林总。我等会就改技术路线图。”

目录
返回顶部