現象
聯想手機內建「樂語音」助手，號稱能精準識別各地方言，準確度遠超同類產品。
內部人員透露的關鍵原因
「樂語音專案有大量客服團隊維護，**用戶語音識別由人工完成**」，這才是高準確度的根本原因。
運作模式推測
- 雲端語音辨識 + 人工標註回環：
用戶語音 → 雲端 ASR 初步識別 → 低信度片段分發給客服人工聽寫/修正 → 修正結果回傳用戶並作為訓練資料更新模型。
- 方言專項資料收集：
針對各大方言區（粵語、四川話、東北話等）專門招募標註員，建立方言聲學/語言模型適配資料集。
- 混合架構：
線上服務 = 端側輕量模型（喚醒詞、指令詞） + 雲端重模型（自由語音） + 人工兜底。
技術細節（公開資料推測）
- 聲學模型：TDNN-F / Conformer，多方言共享編碼器 + 方言專用解碼器。
- 語言模型：N-gram + RNN-LM 混合，支援方言詞彙與語法。
- 前端：VAD + 降噪 + 話者適配（i-vector/x-vector）。
- 部署：Kaldi / 自研推理引擎，支援動態模型熱更新。
給開發者的啟示
- 資料閉環 > 模型架構：持續的人工標註回環比單純調參更有效。
- 方言識別 = 多方言資料 + 適配層，而非訓練單一大模型。
- 成本權衡：人工標註成本高，初創團隊可用「用戶主動修正」+「主動學習」降低依賴。
總結：**樂語音的「方言神技」本質上是「大量人工標註+閉環迭代」的工程紅利**，而非單一演算法突破。
