等到八點半，馬樂將剩下的紅包發出去一部分，看員工都基本到齊了，然後直接抱著箱子裡剩下的部分往外走。
目的地嘛，既不是他的IoT部門，也不是他的大小家電部門，而是直奔C區6棟的人工智慧實驗室。
這邊還有一個和他有關的重點項目呢，紅星智能音箱。
按理說這種產品就是一個音箱，談不上什麼重點不重點的，不過陳總說了這是重點，那它就是重點。
等到了人工智慧實驗室這邊，馬樂將箱子裡剩下的紅包，都給這邊人發了下去。
「來來來，陳總給的開工紅包，每人都有哈。」
「在陳總那領過的也有。」
「成教授，何博士，先別忙呢，陳總給的紅包。」
說著將箱子放下，手裡拿著兩個親自遞給了何凱明和成文飛。
成文飛摸著手裡的紅包，感慨了一句，「這是我20年來又一次收到新年紅包。」
「哈哈，成教授，你到紅星來了，咱們每年都有。」
又熱鬧了幾分鐘，眼看紅包分完，人工智慧實驗室的人也都重新回到自己的崗位上，馬樂這才跟著成文飛一起往裡面走，「成教授，語音樣本的事情有結果了嗎？」
「樣本已經整理出一批。」成文飛把馬樂帶到自己的辦公室，「普通話、粵語、吳語、客家話，還有不同年齡段的發音，只是標註工作量太大，需要大量的人手。」
「準備外包？」
「正常做法就是外包。」何凱明在旁邊解釋道，「一條語音要標註文字、停頓、發音錯誤、環境噪聲，有些還要做時間對齊，樣本量上去以後，就不是幾十個人，幾百個人的工作，這需要海量的人手進行人工標註和審查。」
「那外包公司能保密嗎？」馬樂表情嚴肅的問道。
「能簽協議，其實保密不保密的無所謂，大量的有關語音識別和訓練的公司，都是外包出去做的，我查了一下，也有專門的團隊接這種任務，然後他們再進行一次分發。」
經常接觸底層的馬樂，對外包，還是兼職外包的質量天然的就心裡存疑，這些接任務的人員數量不穩定，且流動性極大，導致最終的結果也是質量極其不穩定。
想了想，馬樂一拍腦袋，對何凱明說：「何博士，成教授，這個語音標註是不是只要是個正常人就可以干？還需要海量的人手去做？」
成文飛點了點頭，馬樂立刻笑了起來，掏出自己的手機說：「那還找個錘子的外包啊，咱們這不是現成的上億標註員嘛。」
何凱明，成文飛：？？？？？
「我們不是有一兩億的手機存量用戶嗎？可以在手機系統里做一個任務中心，邀請用戶幫忙完成語音標註。」
「所以外包可以做一部分。」馬樂接著說，「但是沒必要全部交給外面，」
何愷明推了推眼鏡：「讓用戶標註？」
「對。」馬樂點頭，「完成多少條，準確率達到要求，就送紅星音樂會員、紅星雲空間會員，或者發現金紅包，也可以給代金券和實物獎品。」
成文飛看向他：「普通用戶的標註質量不穩定。」
「所以不能把所有任務都交給用戶。」馬樂伸出兩根手指，「基礎通用口語樣本交給用戶，高精密聲學對齊、方言樣本、專業詞彙，最終審查，還是留給專業外包團隊進行兜底。」
「重點是人多，外包團隊每天做幾萬條，用戶任務一上線，說不定一天就能完成幾百萬條，進度會快很多。」
成文飛也被馬樂這個想法給打動了，對啊，紅星手機的用戶不都是現成的標註員嘛，而且數量那麼多，會讓項目進度大大加快，於是接著問：「那聲音採集呢？」
「也可以做。」
馬樂來了精神：「不光讓用戶聽音頻、選文字，還可以讓他們讀指定句子，錄一些自然語音片段，用會員和報酬換他們參與。」
「家庭環境裡的錄音，噪聲會很多。」
「這正是價值。」馬樂拍了拍桌子，「傳統數據大多在錄音棚里采，乾淨是乾淨，但和真實使用場景有距離，咱們採集的是手機麥克風、客廳、廚房、街道、車裡這些環境的語音。」
「用這種數據訓練以後，在手機上、家裡有背景噪音的場景，識別效果反而可能比訊飛那種錄音棚數據集更好。」
實驗室里安靜下來。
成文飛看著他，沒有馬上回答。
過去十年，他接觸的項目大多圍繞實驗室和醫院，數據採集靠的是設備、志願者和專業人員。
他習慣從最嚴格的條件出發，把每個變量控制在手裡。
可是語音助手面對的是普通人。
用戶不會在安靜的錄音棚里說話，也不會提前調整麥克風角度。
有人一邊做飯一邊喊它，有人開著電視說指令，有人在車裡讓它導航。
真實環境本身就是數據。
「隱私和授權怎麼處理？」成文飛問。
馬樂回答得很快：「任務頁面寫清楚用途，用戶主動參與，單獨授權。敏感內容不能采，自動過濾姓名、身份證號、住址、銀行卡這些信息。採集完成後先過系統篩查，再進人工覆核。」
「數據存儲呢？」
「按脫敏後的編號存，訪問權限分級。杜文那邊負責系統接入，實驗室只拿經過篩選的語料。」
成文飛翻看著手裡的資料，心裡已經開始計算訓練周期。
數據量一旦起來，網絡疊代就能加快。
哪怕普通用戶數據不夠精細，也能先把基礎識別能力托起來，再用專業樣本做修正。
「可以先做一個小規模測試。」
馬樂立刻點頭：「我去找杜文他們對接。」
馬樂一溜煙跑了出去。
何愷明看著門口，笑著說：「馬總還真是說干就干。」
成文飛也笑了一下：「這位不愧是陳總最看重的紅星的千里馬，有他在，能省我們太多麻煩，只管把研發做好就行。」