這一波一波的浪潮, 給場內場外都衝得一愣一愣的。
簡而言之，信息量過大。
本來開放域就已經足夠驚世，敢當眾公測更是震動全場, 曆經一係列超乎常規的指令都沒翻車反而把係統的牛逼體現得淋漓盡致, 最後居然還加上了聲紋辨識——
聽名字就知道很難搞啊！！！
【臥槽！！！商科孩子震驚, 怎麽感覺比指紋識別和人臉識別還要難！這倆好歹還有實體物, 單靠語音到底是怎麽讓計算機對應到不同的人啊啊啊也太神奇了吧！】
【工科孩子也震驚啊！這這這是可以寫進論文創新點的水準吧！！！——而且！而且在開放域的限定條件下，不可能使用文本相關類的聲紋識別！她絕對拿了更高檔的Text-Independent出來！！！救命啊怎麽會有人能在兩天之內做出這麽多高難東西啊！！！】
【某家居企業技術部民工表示，別說兩天了, 兩年我們都做不出來……就，秀到我頭皮發麻】
【害，要不然大家現在都叫她“奇跡詩詩”呢……所以人家大佬壓根不是疏忽大意而是仗著技術實力無所畏懼啊啊啊啊！！！太蘇了吧！！！】
場內，幾位董事長全部瞬間關注起了這項技術的商業價值, 腦海裏迅速就浮現出了無數應用場景，每一種都帶著滾燙的未來。看向杜詩怡的眼神越發熱切，就算華元的人就在旁邊, 也都快掩飾不住了。
而華元的人暫時也沒空管他們。
因為技術出身的，瞬間關注的永遠是實現路徑, 沈硯作為這組的帶教工程師是早看過方案，而王總已經迫不及待的在問：“哪種方式構建的聲紋模型？特征提取用的什麽算法？”
杜詩怡抬眸，曾經讓彈幕印象深刻的、那麽長那麽厚的方案如在心中, 流利就答：
“基於高斯混合模型，多種信道函數加權擬合後構建話源者的語音特征向量, 再經過預加重和分幀來計算梅爾倒譜係數MFCC。”