. 石磊準備的第二操作係統，是基於gmm/高斯混合模型的計算方式，主要用於開發語音係統。
所謂的高式混合模型，是一種用高斯概率密度函數精確的量化事務，將一個事務分解成若幹個高斯概率密度函數，也就是正態分布曲線，而形成的一種模型。
gmm模型通常用作語音識別，在計算機領域中，獲得了廣泛的應用。雖然gmm模型製作的語音識別，會有大約20-30的錯誤識別率，但隻要語音足夠標準，而且配合行為動態識別引擎監控唇語，這個錯誤識別率會大大的降低。
唇語方麵的嘴唇行為動態，通過行為動態識別引擎，完全可以捕捉成功的識別。至於語音命令足夠標準，那就不是石磊可以控製的了，畢竟各地方言不同，隻能基於普通話為標準。
石磊可以肯定的給予回應，想要玩好《勇者世界》，那麽一定要有一口標準的普通話。也許隨著《勇者世界》的風靡，在夏國境內，還會掀起一股學習普通話的熱潮呢！
如果真是這樣，《勇者世界》有可能會得到夏國官方的推薦，若真的可以得到官方推薦，那《勇者世界》絕對會飛黃騰達！
gmm高斯混合模型並不複雜，在自然語言處理中，這隻是淺層學習神經網絡。在零六年的時候，加拿大多倫多大學的教授，在頂級科學刊物《科學》上，發布了一篇名為學術論文，其中介紹了深層學習神經網絡的問題。很多隱層的人工神經網絡具備優秀的特征學習能力，學習得到的特征對數據有更本質的刻畫。這就是與淺層學習神經網絡對應的深層學習神經網絡。
石磊重生之前，2012年的時候，由斯坦福大學和一名大規模計算機係統專家，共同使用16000個core.cpu，建造的名為deep.neural.networks/深層神經網絡模型，曾經做出過從英文同聲翻譯至夏國語，這個翻譯過程十分流暢，根本沒有半分卡頓，錯誤率方麵連百分之一都不到！
天使議會的那個偽人工智能，便是使用dnn深層神經網絡模型構建的！
可惜石磊暫時沒有時間，開發基於dnn的深層神經網絡模型，隻能做基於gmm的淺層神經網絡，製作語音識別係統，然後利用行為動態識別引擎，識別唇語的方案，減少識別錯誤率。
關於語音係統，開發出來之後，不僅僅可以引用在《勇者世界》中，還可以應用在很多方麵。
特別是結合行為動態識別引擎之後，那就是一個十分強悍的係統。擁有語音識別係統後，石磊便可以語音控製計算機。
到時候，石磊甚至可以一個人模擬兩個人的進攻，也可以自己和自己戰鬥，為他自己的身份做更好的掩飾。
還有一些監控係統，也可以做到更好的程度。比如醫療監控係統，某些不能動彈的患者卻可以說話，那麽這樣的患者，就可以通過語音進行操作醫療係統，呼喚護士或者醫生等等服務。
關於基於gmm的語音係統，在石磊心中，還有一個想法，那就是
回歸開發《勇者世界》的主題，在擁有行為動態識別引擎，以及gmm語音係統輔助配合，才可以形成真正的體感遊戲。 本章尚未完結,請點擊下一頁繼續閱讀---->>>