与此同时，极光微博向娱乐圈的渗透，也在稳步推进之中。
《非诚勿扰》、《仙剑3》，也包括《爱情公寓2》、综艺版非诚勿扰，都起到了标杆性的作用。
这使得他们，除了和诸多影视、娱乐公司，达成战略合作之外，也吸引了为数众多的明星、网红，自发入驻极光微博。
不过，受到极光的启发，企鹅微博、新浪微博，也同样将黑手伸向了娱乐圈。
微博大战的下一个战场，大概率还是要落在，娱乐圈资源的争夺上。
争得当然不是“明星入驻”那种low到爆的资源，而是更深层的“娱乐内容生产与分发的控制权”。
谁掌握着更强的宣发能力，谁就在这场争夺战中，掌握着更大的优势。
在这方面，国内唯一能跟极光淘淘的，也就企鹅了。
但可惜，企鹅把企鹅微博运营成了一坨。
总结。
优势在我！
悠米视频那边，洛川一直有在关注，倒是没什么好说的。
目前仍处于狗咬狗的状态。
极光这边出战的是陈泽轩，每天在网上狗叫，跟张老板大打口水仗。
王胖子偶尔也跟着凑个热闹。
无数吃瓜网友，天天跟着看光景，倒也还算热闹。
再过个十天半拉月，也差不多该收网了。
游戏部门那边，已经开始逐步向“工作室群”的模式转变。
在公司推出“星火计划”，鼓励员工内部创业、自主创业之后，响应最为热烈的，便是游戏部这帮牛马。
米哈游工作室、莉莉丝工作室、thatga工作室、巴拉巴拉十数个。
当然，也不只是游戏部门，社交、视频、云计算等部门，都陆续出现了自主创业的申请报告。
这一块，有公司专门成立的“星火委员会”，进行风险评估，倒也不需要洛川太多关注。
他只需要对未通过审核的项目，进行二次审核即可，以免下面的人太过保守，错失什么大宝贝。
亏钱不怕。
只要能在公司内部，形成可持续的创新生态，一切就都是值得的。
洛川始终相信，研发投入从不会真正浪费。
那些失败的项目，就象土壤里的腐殖质。
当前可能看似无用，但都将化为公司的战略储备，在未来的某一天、某一个领域，终将滋养出拙壮的新芽。
允许失败的勇气，才是“星火计划”的内核价值观，
开了一上午的会，交接完公司业务，宫甜甜便蹬上高跟鞋，甩着头发，咯瞪咯瞪回去吃饭了。
欣赏着一扭一扭的小屁股，消失在视野之中，洛川闷了一杯茶，砸吧砸吧嘴，背手溜达回一号牛马集中营。
嗦了碗阿香米线，戳顾一番小女友，又指点了好学的瑶瑶姐几个问题，洛川放倒椅子眯了一觉。
再醒来已是傍晚。
愣了好一会儿，才彻底清醒过来。
休了大半个月，有点堕落了啊。。
心头嘀咕两句，洛川坐直身子，抢过女友手中的冰阔落，咕咚咕咚干了小半瓶，惬意的打了个气隔，把剩下的福根还给她。
“谢谢。”
“不客气！”宋锦不爽的刻了这狗贼一眼。
“怎么，不服？”
像挠狗子一样，挠了挠女友的下巴，洛川押了个大大的懒腰，喊过一旁正里啪啦敲代码的瑶瑶姐，交给她一个新任务。
开发一款语音助手。
这款应用，将内置于下一代星光旗舰机。
未来的智能家居战略，也能用得上。
技术组成，大致可分为硬件层和软件层。
硬件层，需要定制麦克风数组，并集成自研的“自适应波束成形”算法，以实现3米远拾音、
嘈杂环境降噪、区分用户与他人声音等等。
同时需自研低功耗语音唤醒算法，以免这款应用成为“电量杀手”。
就跟siri刚诞生时那样。
同时，还需跟高通合作，签订排他性协议，深度定制soc，在下一代芯片中，固化语音处理专用指令集。
如脱机唤醒词监测、基础指令本地处理等等。
这一块，其实可以放在云端处理，但如果直接将指令集嵌入芯片dsp中，可以大幅提高响应速度，效果更佳。
可惜星光那边的芯片研发设计，仍处于起步阶段，这两年估计是用不上自家设计的芯片了。
其次是算法层，大致可分为四个大项。
其一，语音识别。
可采用基于隐马尔可夫模型的语音识别技术，结合高斯混合模型提升识别准确率，自研端侧轻量化语音识别模型。
这两种理论早已出现，但前世直到12年，才有“机灵鬼”，将前者应用到实际的商业语音识别产品之中。
将两者混合的模型，更是在很长一段时间内都鲜有人问津。
当然，想要实现两者相结合的混合模型的超前应用，自然也需要下一番功夫。
首先需要收集海量的语音数据，函盖各种不同的口音、语速、语调及使用场景，用以训练模型，这对计算资源的要求极高。
巧的是，极光既有海量的用户，又有强大的云计算资源只需再开发引入自适应学习率的算法，使得模型在训练过程中，能够根据数据特点，自动调整学习速度，进而提高训练效率即可。
同时也可采集粤语、鲁省方言、东北话等方言，组成方言库，以支持语音识别。
不过这个功能倒也不急，可在后续版本选代中再添加。
反正前世直到13年，另一款主流手机语音助手，siri，才支持中文。
其二，自然语言处理。
需要构建一个语义理解模型，解析用户指令的意图，
规则层，内置500条高频场景模版，比如“导航去公司”。
统计层，可利用悠米社区和极光微博中，数以百亿条公开语料，训练朴素贝叶斯分类器，以提升意图识别准确率，处理模糊指令。
比如，用户说“太冷了”，语音助手自动查询天气，并给出关窗、添衣服等建议。
之后也可基于地理位置，同智能家居联动，
此外，还可将简单的神经网络模型引入其中，以提升模型的泛化能力，以及处理复杂指令的能力。
放在深度学习刚刚起步的今天，自然算是难如登天。
但你说巧不巧，洛川最擅长的就是深度学习宋锦同学深有体会