第1270章 不用外包，我们红星用户就是标注员
赘婿出山小说推荐阅读：Apop之我在首尔当外教、赘婿出山、泥泞、股神传奇、乡村中医李茂阳、开局账号被盗，反手充值一百万、极品全能学生、推拿、最强狂兵、带着超市重返年代、都市：我的器官能自己强化、不装了，我有五个天仙姐姐！、国宝神鉴
等到八点半，马乐将剩下的红包发出去一部分，看员工都基本到齐了，然后直接抱着箱子里剩下的部分往外走。
目的地嘛，既不是他的IOT部门，也不是他的大小家电部门，而是直奔C区6栋的人工智能实验室。
这边还有一个和他有关的重点项目呢，红星智能音箱。
按理说这种产品就是一个音箱，谈不上什么重点不重点的，不过陈总说了这是重点，那它就是重点。
等到了人工智能实验室这边，马乐将箱子里剩下的红包，都给这边人发了下去。
“来来来，陈总给的开工红包，每人都有哈。”
“在陈总那领过的也有。”
“成教授，何博士，先别忙呢，陈总给的红包。”
说着将箱子放下，手里拿着两个亲自递给了何凯明和成文飞。
成文飞摸着手里的红包，感慨了一句，“这是我20年来又一次收到新年红包。”
“哈哈，成教授，你到红星来了，咱们每年都有。”
又热闹了几分钟，眼看红包分完，人工智能实验室的人也都重新回到自己的岗位上，马乐这才跟着成文飞一起往里面走，“成教授，语音样本的事情有结果了吗？”
“样本已经整理出一批。”成文飞把马乐带到自己的办公室，“普通话、粤语、吴语、客家话，还有不同年龄段的发音，只是标注工作量太大，需要大量的人手。”
“准备外包？”
“正常做法就是外包。”何凯明在旁边解释道，“一条语音要标注文字、停顿、发音错误、环境噪声，有些还要做时间对齐，样本量上去以后，就不是几十个人，几百个人的工作，这需要海量的人手进行人工标注和审查。”
“那外包公司能保密吗？”马乐表情严肃的问道。
“能签协议，其实保密不保密的无所谓，大量的有关语音识别和训练的公司，都是外包出去做的，我查了一下，也有专门的团队接这种任务，然后他们再进行一次分发。”
经常接触底层的马乐，对外包，还是兼职外包的质量天然的就心里存疑，这些接任务的人员数量不稳定，且流动性极大，导致最终的结果也是质量极其不稳定。
想了想，马乐一拍脑袋，对何凯明说：“何博士，成教授，这个语音标注是不是只要是个正常人就可以干？还需要海量的人手去做？”
成文飞点了点头，马乐立刻笑了起来，掏出自己的手机说：“那还找个锤子的外包啊，咱们这不是现成的上亿标注员嘛。”
何凯明，成文飞：？？？？？
“我们不是有一两亿的手机存量用户吗？可以在手机系统里做一个任务中心，邀请用户帮忙完成语音标注。”
“所以外包可以做一部分。”马乐接着说，“但是没必要全部交给外面，”
何恺明推了推眼镜：“让用户标注？”
“对。”马乐点头，“完成多少条，准确率达到要求，就送红星音乐会员、红星云空间会员，或者发现金红包，也可以给代金券和实物奖品。”
成文飞看向他：“普通用户的标注质量不稳定。”
“所以不能把所有任务都交给用户。”马乐伸出两根手指，“基础通用口语样本交给用户，高精密声学对齐、方言样本、专业词汇，最终审查，还是留给专业外包团队进行兜底。”
“重点是人多，外包团队每天做几万条，用户任务一上线，说不定一天就能完成几百万条，进度会快很多。”
成文飞也被马乐这个想法给打动了，对啊，红星手机的用户不都是现成的标注员嘛，而且数量那么多，会让项目进度大大加快，于是接着问：“那声音采集呢？”
“也可以做。”
马乐来了精神：“不光让用户听音频、选文字，还可以让他们读指定句子，录一些自然语音片段，用会员和报酬换他们参与。”
“家庭环境里的录音，噪声会很多。”
“这正是价值。”马乐拍了拍桌子，“传统数据大多在录音棚里采，干净是干净，但和真实使用场景有距离，咱们采集的是手机麦克风、客厅、厨房、街道、车里这些环境的语音。”
“用这种数据训练以后，在手机上、家里有背景噪音的场景，识别效果反而可能比讯飞那种录音棚数据集更好。”
实验室里安静下来。
成文飞看着他，没有马上回答。
过去十年，他接触的项目大多围绕实验室和医院，数据采集靠的是设备、志愿者和专业人员。
他习惯从最严格的条件出发，把每个变量控制在手里。
可是语音助手面对的是普通人。
用户不会在安静的录音棚里说话，也不会提前调整麦克风角度。
有人一边做饭一边喊它，有人开着电视说指令，有人在车里让它导航。
真实环境本身就是数据。
“隐私和授权怎么处理？”成文飞问。
马乐回答得很快：“任务页面写清楚用途，用户主动参与，单独授权。敏感内容不能采，自动过滤姓名、身份证号、住址、银行卡这些信息。采集完成后先过系统筛查，再进人工复核。”
“数据存储呢？”
“按脱敏后的编号存，访问权限分级。杜文那边负责系统接入，实验室只拿经过筛选的语料。”
成文飞翻看着手里的资料，心里已经开始计算训练周期。
数据量一旦起来，网络迭代就能加快。
哪怕普通用户数据不够精细，也能先把基础识别能力托起来，再用专业样本做修正。
“可以先做一个小规模测试。”
马乐立刻点头：“我去找杜文他们对接。”
马乐一溜烟跑了出去。
何恺明看着门口，笑着说：“马总还真是说干就干。”
成文飞也笑了一下：“这位不愧是陈总最看重的红星的千里马，有他在，能省我们太多麻烦，只管把研发做好就行。”
http://www.zhuixuchushan.com/yt127284/51399034.html
请记住本书首发域名：www.zhuixuchushan.com。赘婿出山手机版阅读网址：www.zhuixuchushan.com
目的地嘛，既不是他的IOT部门，也不是他的大小家电部门，而是直奔C区6栋的人工智能实验室。
这边还有一个和他有关的重点项目呢，红星智能音箱。
按理说这种产品就是一个音箱，谈不上什么重点不重点的，不过陈总说了这是重点，那它就是重点。
等到了人工智能实验室这边，马乐将箱子里剩下的红包，都给这边人发了下去。
“来来来，陈总给的开工红包，每人都有哈。”
“在陈总那领过的也有。”
“成教授，何博士，先别忙呢，陈总给的红包。”
说着将箱子放下，手里拿着两个亲自递给了何凯明和成文飞。
成文飞摸着手里的红包，感慨了一句，“这是我20年来又一次收到新年红包。”
“哈哈，成教授，你到红星来了，咱们每年都有。”
又热闹了几分钟，眼看红包分完，人工智能实验室的人也都重新回到自己的岗位上，马乐这才跟着成文飞一起往里面走，“成教授，语音样本的事情有结果了吗？”
“样本已经整理出一批。”成文飞把马乐带到自己的办公室，“普通话、粤语、吴语、客家话，还有不同年龄段的发音，只是标注工作量太大，需要大量的人手。”
“准备外包？”
“正常做法就是外包。”何凯明在旁边解释道，“一条语音要标注文字、停顿、发音错误、环境噪声，有些还要做时间对齐，样本量上去以后，就不是几十个人，几百个人的工作，这需要海量的人手进行人工标注和审查。”
“那外包公司能保密吗？”马乐表情严肃的问道。
“能签协议，其实保密不保密的无所谓，大量的有关语音识别和训练的公司，都是外包出去做的，我查了一下，也有专门的团队接这种任务，然后他们再进行一次分发。”
经常接触底层的马乐，对外包，还是兼职外包的质量天然的就心里存疑，这些接任务的人员数量不稳定，且流动性极大，导致最终的结果也是质量极其不稳定。
想了想，马乐一拍脑袋，对何凯明说：“何博士，成教授，这个语音标注是不是只要是个正常人就可以干？还需要海量的人手去做？”
成文飞点了点头，马乐立刻笑了起来，掏出自己的手机说：“那还找个锤子的外包啊，咱们这不是现成的上亿标注员嘛。”
何凯明，成文飞：？？？？？
“我们不是有一两亿的手机存量用户吗？可以在手机系统里做一个任务中心，邀请用户帮忙完成语音标注。”
“所以外包可以做一部分。”马乐接着说，“但是没必要全部交给外面，”
何恺明推了推眼镜：“让用户标注？”
“对。”马乐点头，“完成多少条，准确率达到要求，就送红星音乐会员、红星云空间会员，或者发现金红包，也可以给代金券和实物奖品。”
成文飞看向他：“普通用户的标注质量不稳定。”
“所以不能把所有任务都交给用户。”马乐伸出两根手指，“基础通用口语样本交给用户，高精密声学对齐、方言样本、专业词汇，最终审查，还是留给专业外包团队进行兜底。”
“重点是人多，外包团队每天做几万条，用户任务一上线，说不定一天就能完成几百万条，进度会快很多。”
成文飞也被马乐这个想法给打动了，对啊，红星手机的用户不都是现成的标注员嘛，而且数量那么多，会让项目进度大大加快，于是接着问：“那声音采集呢？”
“也可以做。”
马乐来了精神：“不光让用户听音频、选文字，还可以让他们读指定句子，录一些自然语音片段，用会员和报酬换他们参与。”
“家庭环境里的录音，噪声会很多。”
“这正是价值。”马乐拍了拍桌子，“传统数据大多在录音棚里采，干净是干净，但和真实使用场景有距离，咱们采集的是手机麦克风、客厅、厨房、街道、车里这些环境的语音。”
“用这种数据训练以后，在手机上、家里有背景噪音的场景，识别效果反而可能比讯飞那种录音棚数据集更好。”
实验室里安静下来。
成文飞看着他，没有马上回答。
过去十年，他接触的项目大多围绕实验室和医院，数据采集靠的是设备、志愿者和专业人员。
他习惯从最严格的条件出发，把每个变量控制在手里。
可是语音助手面对的是普通人。
用户不会在安静的录音棚里说话，也不会提前调整麦克风角度。
有人一边做饭一边喊它，有人开着电视说指令，有人在车里让它导航。
真实环境本身就是数据。
“隐私和授权怎么处理？”成文飞问。
马乐回答得很快：“任务页面写清楚用途，用户主动参与，单独授权。敏感内容不能采，自动过滤姓名、身份证号、住址、银行卡这些信息。采集完成后先过系统筛查，再进人工复核。”
“数据存储呢？”
“按脱敏后的编号存，访问权限分级。杜文那边负责系统接入，实验室只拿经过筛选的语料。”
成文飞翻看着手里的资料，心里已经开始计算训练周期。
数据量一旦起来，网络迭代就能加快。
哪怕普通用户数据不够精细，也能先把基础识别能力托起来，再用专业样本做修正。
“可以先做一个小规模测试。”
马乐立刻点头：“我去找杜文他们对接。”
马乐一溜烟跑了出去。
何恺明看着门口，笑着说：“马总还真是说干就干。”
成文飞也笑了一下：“这位不愧是陈总最看重的红星的千里马，有他在，能省我们太多麻烦，只管把研发做好就行。”
http://www.zhuixuchushan.com/yt127284/51399034.html
请记住本书首发域名：www.zhuixuchushan.com。赘婿出山手机版阅读网址：www.zhuixuchushan.com