“暂🗊🙼🏪时推出的软件分个人版和企业版。个人版免费使用,企业版有为期七天的试🁛🆡用期。”

    在软件的下方还分🛯别有个简介。个人版对于生活方面的识别会更加精准,而企业版更注重于会议,可支持多人同时录入,抗👒噪音能力也更强,并且还可以选择去口语化,使会议内容更接近书面格式。

    网页里面的信息不多,很快朱成就看♗🈟⛐完了。对于🉐🆝七天后软件的发布十分期待,语音录入可是懒人必备的神器啊,以后🈠⛓🚂估计都不用打字了。

    “智能小语,也可以叫语音输入法吧?”

    如果不用打字了🋞,是不是意味着键盘也没用了?那笔记本岂不是可以做的更薄?🁛🆡不对,没了键📂盘不就成了平板么?朱成想到了这一点,感觉自家的电脑城可以多进一些平板电脑了。

    在外界因为语音识别而震惊的时候,罗辑所在的机房却只能听到敲键盘的声音。尽管语音识别已经做了出来,但对于写代码而言意义不大。真正能将罗辑从这些繁🆯重的任务中解救出来的只有语义识别!

    开发语义识别,就如同罗辑预料🞾🙮🍱的那样,并不是一块好啃的骨头。

    更何况是中文体系上的语义识别,这比其它语言要难上几个级别。光是分词这一项,🞄就能让人死掉不少脑细胞。中文不同于单词组成的拉丁文,拉丁文单词间的空格可以大幅度减少电脑的识别难度,而中文却不行。

    在中文里面,一句话就有很多意思。别说电脑了,有时候就连人也不好分辨。⚫🔕🀟比如那句著名的“下雨天留客天天留我不留”,在没有标点符号的情况下,它至少有七种意思。对于电脑而言,别说这种地狱级的分词,哪怕是一些人们看来再简单不过的句子也很难分辨。

    比如“华科大学生前来应聘”,电脑可能会⚫🔕理解为“华🝏🊉🎝科大学,生前,来应聘⚫🔕🀟”。

    中🌓⚒🐵文语义识别的第一个难点,也可以说是最大的难点便在这里。怎样的分词算法才🊫📔🚥是最完美的?🐂☪

    罗辑在科技树中找到了🌅☗⛉方案,一种基于统计学模型的算法,构建一个三维矩阵,选取概率最高的一个。xy轴是任意两个词语的组合,而z轴则是场景状态,根据语气和语态选取的最佳方案。

    “不过这需要联网。”罗辑琢磨了一下,这似乎是目前最好的方案,虽然他的本意是打造🞋💢一个可用于线下服务的🕭智能,但是以现在的设备🝮🎤💿存储能力想要存下大量的语料库,根本就是天方夜谭。电脑肯定是不行的,光脑还差不多。

    “联网就联网吧,在程序里预留🞾🙮🍱一🁸🁸些常用算法,断网勉强也能用。”

    解决了第一个问题之后,罗辑😋⛡🛿又陷入了瓶颈。他蓦然想起中文还有一点很🂑蛋疼,那就是没有和英文一样可用于区分人名地名的大小写。

    要是仅仅这样也就🛯罢了,关键是有些人的名字起就是一个词语,如果分词程🝅🈰序有智能的话,它一定会把这些人拖出去砍死。比如高峰、汪洋、罗辑……

    “这……还是不要砍死了,半残就好。”

    罗辑🗊🙼🏪马上停止了抱怨了,再困😋⛡🛿难也要解决不是?

    “到底要怎么做?”

    罗辑觉得自己有些天真了,一开始以为有了科技树绝对可以快速的解决问题,可事实上并非💈🏻🟐如📂此。之前做无线充电器时,都要用到机械方面的知识,而🖮🕾🏑难度比无线充电更大的语义识别,其交叉的学科只会更多。