一些数据，有生物计算机在后面给自己的大力支撑，爬别人的数据，应该很方便。
    林奇也真的去这么做了，为了n频率，还特意的n了一些速度。就这样爬了一些数据，但是这些数据拿到手里，林奇发现有一个问题，那就是这些数据很多都是录音棚，或者加工后的数据。
    与用户实际生活中，比如在地铁上发的语音，在公交车上发语音，或者在大街上发语音，在家里发语音都不太一样，爬出来的数据很多都没有环境音。
    没有环境音本身其实是好的音频，但是对于做语音识别来说这个就非常不合适了，因为做出来的模型不符合人们正常生活，与实际使用场景不符。
    那就很尴尬了，就好比你说一个人很厉害，可以用剑杀恶龙，在有恶龙的世界里面，他是当之无愧的英雄。
    但是如果他来到了现实生活中，就一事无成。
    无他，只是因为现实生活中没有恶龙来给他杀。一个杀鸡的可能都比他在现实生活中，更容易生存下去。
    最后林奇决定还是自己来搞这个模型，不仅仅语音识别是需要大量的数据，现在所有的涉及到深度学习的都是需要大量的数据来进行训练。
    林奇并不觉得这是绝对正确，就像我们人类一样
 <本章未完请点击"下一页"继续观看!>