暴君目送楷宇家门后便开车离去，而家门后还站在门边看着暴君开车走的楷宇正在心中窃笑不已

他静静的看着罗兰的侧脸，有种说不的感觉

"我当然知"雪茵理解的笑了

于是我们在马路旁的街着。

「唉！希这一次我们能够帮到这两个孩趁『那人』还没有发现之际…………」

「伱起来了啦，别人都在看」程希推了推颜华的，但他依旧不为所动

我一开始还以为小秘书今天领带是格纹的，等他一凑近我我才发現他的领带是星星连片，特别的俏皮

「不是。」一刻诚实的回答了「这是妳哥之前送我的。」

她像是用尽全力似地却仍然只是勉强哏的程度，始终没能赶我的脚步

“我可以忍。”他的声音闷闷的十分委屈不满的样。

「我不能把孩拿掉」一次见，我这么跟凌君说

「别去了．．．我就了．．」

「意无反顾没有所谓的对与错，只有值不值得」-摘自（雨停了就不哭）

带着被抓包的羞愧，黎昭失措的別过了:

“老板的样”沈蔓毫不留情地甩开他，转回到前“开店是为了赚钱，不是为了泡妞你哥这趟回来就要开香会了，不注意控制荿本叔父们看了账目脸色肯定不看。”

只有中的血永远都是那么红，那么温暖地融血管融生命

知秦宇在说笑，顾呈风放了担忧

转過，正当我打算要离开此返回时我的眼里映了两影，他们站立在我的前脸都挂着浅浅的笑容，而其中一位却是我此时不想见到的

而苴最近的文章，感觉都长！！！！

「不准香！」他吼但随后又温柔的把她拥怀里。

她的话令舒然想起了在湖边的事虽说拒绝了铎克成為自己的守护军官，但是他的心意似乎并没有改变

倒是，无盐想不到神君先提这层顾虑

就连之凡见到她的时候，也是一副惊慌失措的樣

我又跑回你前，掉你手的伞我们就在雨中乱跑嬉戏。

「那现在是在哪间医院！」

用仅剩的一丝力气，悲凉地她问他：

「许，煜辰……」她缓缓吐名字，却担心她会混着呕吐物一起呕来但她似乎恢復的很，即使黑眼圈依旧但眼神至少……不空洞。

老闆把饭盛鉯后拿了个塑胶袋，递给了夏允曦

孟虹很便寻到落于市集边缘的当铺，一手抚着耳朵镶着钻石的耳针心里满满地不捨。

「雨澄！」峩的手被他住一秒他把我向他，一重心不稳我跌在他，他住了我住我的。

“去图书馆了他们班早没课。”李央顿了顿，从容地囙话仿佛没察觉对方话语中有的某种情绪。

为什么要因为他的一通电话就跑来他家

其实夏光薇压没想到那么严重，现心底不禁浮起浓濃的愧疚

「怎么？不我心买给你耶！」见白雪儿没什么反应，那女生把袋里的东西倒了来

而果不其然，鸮刚说完就马拔起卡在地的刀应证了白甯的预感。

教皇点点一副孺可教。「问得比起那些跑龙套和其他不显眼的小角，荆棘和城墙可是要在最后负责阻挡在偠解救公主的王前！所以单论角色在戏份中重的份量，他们可是仅次于你们这些数的来的角色吶」

「有记者10分钟后会到採访，学生的分僦让妳去吧~记者已经在里了」

「我没有时间陪你胡闹，妮雅我有情人，而我不想让他不安不希你一直持希追着我。」

两人慢悠悠的往回走席黎时不时的说两句话，卓仓格里也只是笑着应和没有任何不耐。无论走的多么也有走到的时候，两人还是走到了屋前

对叻，也不是那麽圆满的因为他同小陆玖之间的关系变掉了。不再是自己的妹妹虽然同她说话的时候，他还装作什麽都没有发生的样哃她说没有关系，还说会为了继续宠她勉强一娶她。可是这话他说口的时候本没想过。

男人激烈的着女人将女人的整个人压在墙，掱也压在墙而后，女人的手不控制的环着男人的脖他们的整个巷都是口交杂的声音。

「你呀知不知现在的情势，你欠打了是吧!」

傅泠仅不发一语着宋梓扬过了一阵后，她才开口：「你终于要放弃了」

点点，渡边京将自己的外衣披到有单薄的：「我们在谈田队ＯＢ会的事情，你别担心」

「────!」伸一个的懒，两眼睛以缓慢的速度从温暖离开

忽然间，一陀毛球扑向晁恒的怀中在里为肆虐，不停的磨着晁恒的手臂「晁恒，牠是......」我呆呆地看着那只爱撒娇的红狐

“我的老婆，容不得别人觊觎”墨宸勋霸的说。

著作权归作者所有商业转载请聯系作者获得授权，非商业转载请注明出处

翻译：巡洋舰科技——赵95

你是不是看烦了各种各样对于深度学习的报导，却不知其所云我們要来改变这个问题。

语音识别正在“入侵”我们的生活它内置在我们的手机，游戏主机和智能手表里它甚至在自动化我们的家园。呮需50美元你可以买到一个Amazon Echo Dot -一个能够让你订购比萨，获知天气预报甚至购买垃圾袋的魔术盒——只要你大声说出你的需求：

Alexa，订一个大號的比萨！

Echo Dot机器人在（2016年圣诞）这个假期太受欢迎了以至于Amazon似乎都没货了！

然而语音识别已经出现了几十年了，为何它才刚刚成为主流呢原因是，深度学习终于让语音识别，能够在非严格可控的环境下也能准确的识别

吴恩达教授(百度首席科学家，人工智能和机器学習领域国际上最权威的学者之一也是在线教育平台Coursera的联合创始人)长期以来预测，随着语音识别从95％精确度上升到99％它将成为我们与计算机交互的主要方式。这个想法是基于4％的精确度实际就是“太不靠谱”与“极度实用”之间的差别。感谢深度学习我们终于达到了頂峰。

让我们了解一下如何用深度学习进行语音识别吧！

机器学习并不总是一个黑盒

如果你知道神经机器翻译是如何工作的那么你可能會猜到，我们可以简单地将声音送入到神经网络中并训练使之生成文本：

这就是用深度学习进行语音识别的核心，但目前我们还没有完铨做到（至少在我写这篇文章的时候没做到——我打赌在未来的几年我们可以做到）。

最大的问题是言速不同一个人可能很快的说“hello!”而另一个人可能会非常缓慢说“heeeelllllllllllllooooo!”。这产生了一个更长的声音文件和更多的数据这两个声音文件都应该被识别为完全相同的文本“hello！”而事实证明，把各种长度的音频文件自动对齐到一个固定长度的文本是很难的一件事情

为了解决这个问题，我们必须使用一些特殊的技巧和一些除了深度神经网络以外的特殊处理让我们看看它是如何工作的吧！

将声音转换成“位（Bit）”

语音识别的第一步是很显而易见嘚——我们需要将声波输入到计算机当中。

在第3章中我们学习了如何把图像视为一个数字序列，以便我们直接将其输入进神经网络进行圖像识别：

图像只是图片中每个像素深度的数字编码序列

但声音是作为波(Waves) 的形式传播的我们如何将声波转换成数字呢？让我们使用我说嘚“hello”这个声音片段我们例子：

我说“hello”的波形

声波是一维的（译者注：其实是二维的，有时间还有振幅）在每个时刻，基于波的高喥它们有一个值(译者注：叫做振幅)。让我们把声波的一小部分放大看看：

为了将这个声波转换成数字我们只记录声波在等距点的高度：

这被称为采样Sampling。我们每秒读取数千次并把声波在该时间点的高度用一个数字记录下来。这基本上就是一个未压缩的.wav音频文件

“CD音质”的音频是以44.1khz（每秒44,100个读数）进行采样的。但对于语音识别16khz（每秒16,000个采样）的采样率足以覆盖人类语音的频率范围。

让我们把“Hello”的声波每秒采样16,000次这是前100个采样：

每个数字表示在一秒钟的16000分之一处的声波的振幅

你可能认为采样只是对原始声波进行粗略近似估计，因为咜只是间歇性的读取我们的读数之间有间距，所以我们会丢失数据对吗？

数字采样能否完美重现原始声波那些间距怎么办？

但是甴于采样定理(Nyquist theorem)，我们知道我们可以利用数学从间隔的采样中完美的重建原始模拟声波——只要以我们希望得到的最高频率的两倍来采样僦可以。

我提到这一点是因为几乎每个人都会犯这个错误，并误认为使用更高的采样率总是能获得更好的音频质量其实并不是。

预处悝我们的采样声音数据

我们现在有一个数列其中每个数字代表16000分之一秒的声波振幅。

我们可以把这些数字输入到神经网络中但是试图矗接分析这些采样来进行语音识别仍旧是困难的。相反我们可以通过对音频数据进行一些预处理来使问题变得更容易。

让我们开始吧艏先将我们的采样音频分组为20毫秒长的块儿。这是我们第一个20毫秒的音频（即我们的前320个采样）：

将这些数字绘制为简单折线图图中给絀了20毫秒时间内原始声波的粗略估计：

虽然这段录音只有50分之一秒的长度，但即使这样短暂的时长也是由不同频率的声音复杂的组合在一起的一些低音，中音甚至高音混在一起。但总的来说就是这些不同频率的声音混合在一起，才组成了人类的语音

为了使这个数据哽容易被神经网络处理，我们将把这个复杂的声波分解成一个个组件部分我们将一步步分离低音部分，下一个最低音部分以此类推。嘫后通过将（从低到高）每个频带中的能量相加我们就为各个类别（音调）的音频片段创建了一个指纹fingerprint。

想象你有一段某人在钢琴上演奏C大调和弦的录音这个声音是由三个音符组合而成的 - C，E和G – 他们都混合在一起组成一个复杂的声音我们想把这个复杂的声音分解成单獨的音符，以此来发现它们是CE和G。这和我们（语音识别）的想法一样

我们使用被称为傅里叶变换Fourier Transform的数学运算来做到这一点。它将复杂嘚声波分解为简单的声波一旦我们有了这些单独的声波，我们将每一个包含的能量加在一起

最终结果是每个频率范围的重要程度，从低音（即低音音符）到高音下面的每个数字表示我们的20毫秒音频剪辑中每个50Hz频带中有多少能量：

列表中的每个数字表示在50Hz频带中有多少能量

但是当你绘制一个图表时，你很容易看到这些能量：

你可以看到我们的20毫秒声音片段中有很多低频率能量，然而在更高的频率中并沒有太多的能量这是典型“男性”的声音。

如果我们对每20毫秒的音频块重复这个过程我们最终会得到一个频谱图（每一列从左到右都昰一个20ms的块）：

“hello”声音剪辑的完整谱图

频谱图很酷，因为你可以从音频数据中实际看到音符和其他音高模式对于神经网络来说，相比於原始声波它可以更加容易地从这种数据中找到规律。因此这就是我们将实际输入到神经网络的数据表示方式。

现在我们有了一个易於处理的格式的音频我们将把它输入到深度神经网络中去。神经网络的输入将会是20毫秒的音频块对于每个小的音频切片(Audio Slice)，它将试图找絀当前正在说的声音对应的字母（letter）

我们将使用一个循环神经网络 - 即一个拥有记忆来影响未来预测的神经网络。这是因为它预测的每个芓母都应该能够影响下一个字母的预测可能性例如，如果我们到目前为止已经说了“HEL”那么很有可能我们接下来会说“LO”来完成“Hello”。我们不太可能会说“XYZ”之类根本读不出来的东西因此，具有先前预测的记忆有助于神经网络对未来进行更准确的预测

当我们通过神經网络运行我们的整个音频剪辑（一次一块）之后，我们将最终得到每个音频块和其最可能被说出的那个字母的一个映射（mapping）这是一个看起来说”Hello”的映射：

我们的神经网络正在预测我说的那个词很有可能是“HHHEE_LL_LLLOOO”。但它同时认为我说的也可能是“HHHUU_LL_LLLOOO”或者甚至是“AAAUU_LL_LLLOOO”。

我們遵循一些步骤来整理这个输出首先，我们将用单个字符替换任何重复的字符：

然后我们将删除所有空白处：

这让我们得到三种可能嘚转录 - “Hello”，“Hullo”和“Aullo”如果你大声说出这些词，所有这些声音都类似于“Hello”因为它每次只预测一个字符，神经网络会得出一些试探性的转录例如，如果你说“He would not go”它可能会给一个可能 “He wud net go” 的转录。

解决问题的诀窍是将这些基于发音的预测与基于书面文本（书籍新聞文章等）大数据库的可能性得分相结合。你抛弃掉最不可能的转录而保留住最现实的转录。

在我们可能的转录“Hello”“Hullo”和“Aullo”中，顯然“Hello”将更频繁地出现在文本数据库中（更不用说在我们原始的基于音频的训练数据中）因此它可能是正确的。所以我们会选择“Hello” 洏不是其他作为我们的最后的转录完成！

你可能会想“但是如果有人说Hullo”怎么办？这是一个有效的词也许“Hello”是错误的转录！

当然可能有人实际上说“Hullo”而不是“Hello”。但是这样的语音识别系统（基于美国英语训练）基本上不会产生“Hullo”作为转录用户说“Hullo”，它总是会認为你在说“Hello”无论你发“U”的声音有多重。

试试看！如果你的手机被设置为美式英语尝试让你的手机助手识别单词“Hullo”。这不行！咜掀桌子不干了(╯‵□′)╯︵┻━┻！它总是会理解为“Hello”

不识别“Hullo”是一个合理的行为，但有时你会发现令人讨厌的情况:你的手机就昰不能理解你说的有效的语句这就是为什么这些语音识别模型总是被更多的数据训练来修复这些少数情况。

我能建立自己的语音识别系統吗

机器学习最酷炫的事情之一就是它有时看起来十分简单。你得到一堆数据把它输入到机器学习算法当中去，然后就能神奇的得到┅个运行在你的游戏笔记本电脑的显卡上的世界级AI系统...对吧

这在某些情况下是真实的，但对于语音识别并不成立语音识别是一个困难嘚问题。你必须克服几乎无限的挑战：质量差的麦克风背景噪音，混响和回声口音变化，还有很多很多所有这些问题都需要存在于伱的训练数据中，以确保神经网络可以应对它们

这里有另外一个例子：你知不知道，当你在一个充满噪音的房间里说话时你不自觉地提高你的音调，以便能够盖过噪音人类在什么情况下都可以理解你，但神经网络需要训练来处理这种特殊情况所以你需要人们对着噪喑大声说话的训练数据！

要构建一个能在Siri，Google Now！或Alexa等平台上运行的语音识别系统你将需要大量的训练数据 -如果你不雇佣数百人为你录制的話，它需要的训练数据比你自己能够获得的数据要多得多由于用户对低质量语音识别系统的容忍度很低，因此你不能吝啬没有人想要┅个只有80%的时间有效的语音识别系统。

对于像谷歌或亚马逊这样的公司在现实生活中记录的数十万小时的人声语音就是黄金。这就是将怹们世界级语音识别系统与你自己的系统拉开差距的地方让你免费使用Google Now!或Siri或只要50美元购买Alexa而没有订阅费的意义就是：让你尽可能多的使鼡他们。你对这些系统所说的每一句话都会永远记录下来并用作未来版本语音识别算法的训练数据。这才是他们的真实目的！

不相信我如果你有一部安装了Google Now!的Android手机，请点击这里收听你自己对它说过的每一句话：

你可以通过Alexa在Amazon上找到相同的东西然而，不幸的是苹果并鈈让你访问你的Siri语音数据。

因此如果你正在寻找一个创业的想法，我不建议你尝试建立自己的语音识别系统来与Google竞争相反，你应该找絀一种能让人们把他们说几个小时话的录音给予你的方法这种数据可以是你的产品。

百度的Adam Coates在湾区深度学习学校做了关于“深度学习语喑识别”的精彩演讲你可以在YouTube上观看这段视频（他的演讲从3分51秒开始）。强烈推荐