.    石磊準備的第二操作系統，是基於gmm/高斯混合模型的計算方式，主要用於開發語音系統。

    所謂的高式混合模型，是一種用高斯概率密度函數精確的量化事務，將一個事務分解成若干個高斯概率密度函數，也就是正態分布曲線，而形成的一種模型。

    gmm模型通常用作語音識別，在計算機領域中，獲得了廣泛的應用。雖然gmm模型製作的語音識別，會有大約20-30的錯誤識別率，但只要語音足夠標準，而且配合行為動態識別引擎監控唇語，這個錯誤識別率會大大的降低。

    唇語方面的嘴唇行為動態，通過行為動態識別引擎，完全可以捕捉成功的識別。至於語音命令足夠標準，那就不是石磊可以控制的了，畢竟各地方言不同，只能基於普通話為標準。

    石磊可以肯定的給予回應，想要玩好《勇者世界》，那麼一定要有一口標準的普通話。也許隨著《勇者世界》的風靡，在夏國境內，還會掀起一股學習普通話的熱潮呢！

    如果真是這樣，《勇者世界》有可能會得到夏國官方的推薦，若真的可以得到官方推薦，那《勇者世界》絕對會飛黃騰達！

    gmm高斯混合模型並不複雜，在自然語言處理中，這只是淺層學習神經網絡。在零六年的時候，加拿大多倫多大學的教授，在頂級科學刊物《科學》上，發布了一篇名為學術論文，其中介紹了深層學習神經網絡的問題。很多隱層的人工神經網絡具備優秀的特徵學習能力，學習得到的特徵對數據有更本質的刻畫。這就是與淺層學習神經網絡對應的深層學習神經網絡。

    石磊重生之前，2012年的時候，由斯坦福大學和一名大規模計算機系統專家，共同使用16000個core.cpu，建造的名為deep.neural.networks/深層神經網絡模型，曾經做出過從英文同聲翻譯至夏國語，這個翻譯過程十分流暢，根本沒有半分卡頓，錯誤率方面連百分之一都不到！

    天使議會的那個偽人工智慧，便是使用dnn深層神經網絡模型構建的！

    可惜石磊暫時沒有時間，開發基於dnn的深層神經網絡模型，只能做基於gmm的淺層神經網絡，製作語音識別系統，然後利用行為動態識別引擎，識別唇語的方案，減少識別錯誤率。

    關於語音系統，開發出來之後，不僅僅可以引用在《勇者世界》中，還可以應用在很多方面。

    特別是結合行為動態識別引擎之後，那就是一個十分強悍的系統。擁有語音識別系統後，石磊便可以語音控制計算機。

    到時候，石磊甚至可以一個人模擬兩個人的進攻，也可以自己和自己戰鬥，為他自己的身份做更好的掩飾。

    還有一些監控系統，也可以做到更好的程度。比如醫療監控系統，某些不能動彈的患者卻可以說話，那麼這樣的患者，就可以通過語音進行操作醫療系統，呼喚護士或者醫生等等服務。

    關於基於gmm的語音系統，在石磊心中，還有一個想法，那就是

    回歸開發《勇者世界》的主題，在擁有行為動態識別引擎，以及gmm語音系統輔助配合，才可以形成真正的體感遊戲。

    至於另一個難點，人物動作系統的問題，石磊打算開發第三輔助操作系統。也就是利用行為動態識別引擎，專門追蹤玩家的瞳孔，然後利用軟體計算，確定玩家的視線焦點。

    關於瞳孔追蹤技術，目前這個年代還沒有被申請專利，石磊正好可以將這項技術霸占過來。這項技術原本的專利人是諾基亞，只可惜後世諾基亞衰落，全面被安卓秒殺。

    瞳孔追蹤技術，應用在《勇者世界》中，好處有很多。結合行為動態識別引擎、gmm語音系統，便可以完美的實現一些高難度的體感操作動作。

    比如說輕功，在現實中，玩家絕對不可能實現的體感操作。舉一個例子說明，如果玩家在一處懸崖峭壁上，想要使用輕功飛身下去。

    這個時候，使用體感操作，總不可能找一個地方跳下去吧？於是，瞳孔追蹤技術就可以應用上來，使用瞳孔追蹤技術，然後小幅度的跳躍動作，就可以從懸崖上跳下去。

    至於懸崖的各處落腳點，則需要玩家的焦點視線確定，然後根據瞳孔追蹤技術，