第(2/3)页

    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。
    第(2/3)页