杜克进入一种入魔一样的研究状态，他现在的时间非常宝贵，完全没有多少可以浪费的空间，所以在吃完后就迅速回到自己那个小小的家里。坐在24小时不间断下载的电脑面前，他疯狂搜索下载各种语音片段资料，交给克里进行语音语义分析及基础知识库的建设。

    自从搬到出租屋后杜克已经疯狂在网上下载了数千各种环境和语境下的语音片段，从电视电台新闻片段到影视剧对白、动物世界或是国家地理频道的科教解说片段，以及各种偷拍、自拍、伪自拍生活现场片段，感谢酷溜土豆、youtube，还有bt和电驴，让杜克知道原来世界还有如此丰富多彩声音。

    杜克收集的如此众多声音索材对于克里处理能力来说却仿佛是沧海一粟，往往刚刚输入进去，克里就运算解析出来该片段的语音语义特征，从而为语音识别的语音语义特征库增加一份新的标本元素，越是不同的语音片段越有价值。

    这就像一个人生活过的地方越多，就越能听出不同地方口音是一个道理，每个声音都是有一些特殊特征和普遍特征构成的，现在的语音识别软件对于标准发音的识别率其实已经很不错了。

    如ibm在很多年前就推出语音识别输入系统viavoice，在安静环境和标准发音情况下软件识别率可以达到实用级别。

    可惜实际运用环境不会那么理想，而是就像杜克寝室中4个人一样千差万别，虽然大家说的都是中国话，但是四个来自不同地方的人的口音却大相径庭，刚刚住在一起的时候四个人沟通经常有些问题，但是大家很快就适应下来。

    人脑强悍的学习能力绝对不是当今电脑所能够比拟的。而现有的语音识别软件却没有这么强悍的学习适应能力，也就是说它没有用来识别这种语音特征差异的知识库，当然就无法将一些未知类型的发音很好的识别出来。

    不同口音的识别和环境噪音的排除是语音识别俩个难题，要解决这些问题需要大量的第一手语音资料片段来建立一个海量的语音特征知识库，或者是开发出像克里这般高度智能的超级电脑。

    克里根据杜克下载的理论资料，结合各种语音片段分析，不断对语音识别基础算法进行了更新，并且生成不同的语音识别模拟器--这是主要考虑到地球现在主流电脑的运算水平比起克里来说实在太低级。

    以模拟iphone4s的50%运算能力为最低基准，克里模拟出不同性能情况下该语音识别算法的准确率和反应时间，原始版本从最初基准性能下5秒内能够达到90%的识别准确率--当然这个成绩已经远超现在地球上所有语音识别软件水准。

    要知道这个90%准确率是用数千段不同语境的不同口音中英文语音信息进行模拟识别检验，也就是说基本上考虑了各种口音及噪音的过滤处理。

    这个成绩已经比现在只会听英文的苹果siri要强多了，毕竟siri现在能够识别的也是比较标准的英文发音。不信你拿印度口音和新加坡口音的英语录音片段试试看siri能够识别出多少来。

    如果是在一台模拟性能接近双核2g以上主频电脑上，这个指标的识别水平将会提升到2秒以内达到97%以上准确率，反应时间同识别准确率其实有些冲突，因为要识别更加准确必须要原始版本的语音语料库基础资料来源更加丰富。

    声音采样越广泛识别准确率越高，而语音样本库越庞大，用于搜索匹配的时间就会越久导致反应时间的延长，因此语音样本的抽样压缩和语音搜索匹配算法一直是克里优化的俩个重点。

    克里一直在不停地模拟改进提取语音语义特征值的算法，通过不断压缩冗余值，在保持不失真的情况下持续不断缩小语音样本语料库大小，另外一方面也不断改进对语音语料库智

『加入书签，方便阅读』