李可唯接着道：“大家可以看到，CNN
处理速度明显比RNN快，更换
神经网络之后，虚拟人像接收延迟也从1.02s变成0.34s。”
他点点屏幕，画面变成
个视频播放器：
“接下来让
们看下动作捕捉演示视频——”
谁知那激光笔点在播放键上时，竟像突然失灵般，失去该有反应。
李可唯面色不变，走到操作台前，用鼠标又点下播放键，这回，视频终于开始播放起来：
义进行个二次处理，将AI应答先转化为文本，再根据宿主声音进行语音合成，此处特别鸣谢季想老师为们提供大量真人语音资料。”
PPT翻至下页，屏幕上出现堆花里胡哨结构图，李可唯耐心地向观众解释道：“相比于‘掌中偶像’1.0处理方式，们在2.0中选择用CNN（卷积神经网络）来代替RNN（循环神经网络）对大量语句进行处理。”
“有接触过深度学习人应该知道，CNN多被广泛应用于计算机视觉图像处理领域，而近年来，也有许多人将其运用到NLP中去。”
李可唯按下激光笔，屏幕上顿时出现几个红红绿绿表格，下方标“像素”两个字。
“们都知道，CNN是根据图像像素值来进行处理，而NLP处理是文本和语句，那问题来，怎
把这两个风马牛不相及东西组合到起呢？……”
片刻寂静后，会场回荡着个奇怪又模糊“沙沙”声，噪点颗粒感非常明显。
李可唯不由皱皱眉，心里猜测可能是网络问题，便站在原地打算静观其变。
不会儿，漆黑屏幕上终于闪过个画面，个老式住宅单位客厅出现在众人视野里。
贴满贴纸老式旧冰箱、饭桌旁红木座椅、被蓝色玻璃填满窗子、墙上金童玉女日历、铁门上挂着鲜红“福”字……
视频似乎是用零几年流行DV机进行拍摄，室内所有物品都透着股陈旧过时气息，远处盆景在低分
季想坐在台下，目不转睛地望着台上演讲得愈发从容李可唯。
尽管那人口中专业术语他个字也听不懂，但他喜欢那人认真样子，喜欢那人沉浸在自己世界里样子。
每当这时，李可唯眼睛里都会带着种光，炙热而夺目，令人点也移不开视线。
“或许，们可以把语句中每个单词划分开，分割成个n维向量，将形成矩阵看成是个特殊图像，而每个向量就相当于图像像素，这样们就可以对其进行处理。”
屏幕闪，出现两个q版小人测试模型，旁边表格里展示两个网络对自然语言处理速度。
请关闭浏览器阅读模式后查看本章节，否则可能部分章节内容会丢失。
