“資料量不夠，模型太淺。”周牧野推了推眼鏡，語氣裡帶著研究者特有的執拗。
“我們現在的聲學模型還是基於傳統G-H框架，語義理解更是靠規則模板硬套。想要實現您說的那種像人一樣對話的效果，沒有海量語料訓練，根本做不到。
而且計算量太大，以現在手機處理器的效能，本地跑深度學習模型幾乎不可能。如果全部走雲端，延遲和網路穩定性又是大問題。”
“模型框架，全面轉向深度學習路線。”
周牧野一愣：“深度學習？語音領域現在主流還是…”
“我知道現在主流是什麼，但我要的不是主流，是領先。我給你三個目標引數，你記好。”
周牧野連忙掏出筆記本。
“第一，聲學模型放棄G-H，上深度神經網路，用DNN-H混合框架做過渡，最終目標是完全的端到端識別。訓練語料我來解決，年底前我給你弄到十萬小時以上的標註語音資料。”
“十萬小時？”周牧野手一抖，國內目前公開的語音語料庫加起來恐怕都沒有一萬小時。
“第二，語義理解不要再用規則模板了，上意圖識別加槽位填充的聯合模型。我要它能理解上下文，支援至少三輪以上的連續對話，並且能記住對話過程中的關鍵資訊。
比如使用者先說幫我訂明天去北京的票，接著問那邊天氣怎麼樣，再然後說幫我帶件厚外套，它要知道那邊指的是北京。明天這個日期要延續到訂酒店、查天氣、提醒穿衣這一系列動作裡。”
周牧野嚥了口唾沫，只覺得頭皮發麻。
這種程度的上下文關聯，就是國際最頂尖的實驗室也還在論文階段。
“第三，本地算力不夠，就從演算法端壓縮。量化、剪枝、知識蒸餾，這些手段全用上。同時，藍芯微電子那邊正在研發下一代應用處理器，我會讓他們在晶片裡整合一顆專用的神經網路加速單元，專門跑語音模型。
但在晶片出來之前，你們先用軟體方案扛著，目標是把模型壓縮到能在現有旗艦機上本地執行基礎指令識別，複雜語義走雲端，端到端延遲控制在三百毫秒以內。”
三百毫秒。周牧野在心裡默唸這個數字，這意味著從使用者說完話到系統給出反饋，要在零點三秒內完成，幾乎要達到人類對話的無感延遲。
“林總，這…”周牧野張了張嘴，想說這幾乎是不可能完成的任務。
但林辰那雙眼睛看著他，平靜得像一潭深水，卻又帶著某種讓人無法質疑的魔力。
“周總監，我立項的時候說過，天音專案不是要做一個玩具，不是要做一個只能設鬧鐘查天氣的噱頭。我要的是下一代人機互動的入口。
明年，深藍系統的裝機量很可能會突破五千萬，後年可能會過億。當用戶習慣了動嘴不動手，誰掌握了語音入口，誰就掌握了移動網際網路的下一個時代。”
他伸手拍了拍周牧野的肩膀：“技術路徑你不用擔心，按我說的方向走，該突破的瓶頸，會在該突破的時候突破。你現在要做的，就是把團隊擴到一百人以上，分三個小組並行，聲學組、語義組、工程組。錢管夠，人管夠，我只看結果。”
周牧野看著林辰，忽然想起自己入職那天，林辰在辦公室裡對他說的話：“跟著我，你會做出改變世界的產品。”
當時他覺得這年輕人狂妄。
但現在，看著這個比自己小了將近十歲的男人，他莫名其妙地覺得…也許真能做到。
“明白，林總。我等會就改技術路線圖。”
