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能搜索匹配算法。
优化算法杜克帮不了什么忙，但是收集尽可能多的语音样本杜克却没有问题，所以杜克的每一天都过着一种非常充实的生活，日复一日地搜索下载不同类型的语音样本供克里分析提炼，同时不断去学习理解克里所创造的这些全新的处理算法，要敲开麻省理工的大门。
杜克必须要有一篇体现自己能力的世界领先水准的语音识别基础理论创新性论文，可是在克里的知识库中并没有现成的语音识别知识，这些对于克里来说太老旧了，老旧到比莱姆都没有为克里增加这些知识。
而克里现在做的就是在地球上现有语音识别理论和算法基础上，利用他强悍到无边的模拟能力，不断地模拟各种不同的语音处理算法。
通过模拟来找到一种更加有效的--这种方法虽然有些笨拙，但是有了克里超强的运算能力，毕竟每秒钟成千上万种可能算法都可以模拟，使得这种笨拙的方法也有相当的效果，找出了好几种可能的优化算法，将识别率和反应时间提升到了一个新的高度。
可是要将这些成果用地球人能够理解的语言和理论写出来，还要让人能够看懂，不管是对克里还是杜克来说都是一个新挑战，因为克里不是以01为核心的机械二进制思维模式
本章未完，请点击下一页继续阅读！