大讲堂
攒了三年的碎碎念
之前我自己试着听过这些音频。 听了半个月，每次听到一半就走神。老小区的收音不好，她带南京口音的普通话混着老电视的越剧背景音，夹着翻纸张的沙沙声，还有三花猫跳上桌子碰翻茶缸的动静，甚至有一半时长是她打盹的平稳呼吸声。我本来想逐段转成文字，整理成薄薄一本外婆的日常小记，结果转写了三段就崩了。 她总说的“小侉子”，机器识别成“小瓜子”；念叨“腌萝卜要晒三个太阳”，转写出来是“淹罗波要撒三个太洋”。算下来逐字打出来要近三十个小时的工时，我总说等有空，拖了快一年，录音笔就一直放在抽屉里，连充电线都不知道塞去了哪。 哦对了，那时候我还嫌这个录音笔丑。银壳子磨得发乌，边边角角贴满了她从年画上剪下来的小梅花贴纸，我之前提过要给她换个新的，带降噪功能的，她不肯，说这个按键大，按得习惯。
它居然能听懂外婆的口音
找了根闲置的Type-C线给录音笔充上电，把37个音频包整整齐齐拖进模型的输入框，本来以为最多能给我转个大概的大白字，结果等了二十分钟，弹出来的文档让我盯着屏幕愣了好久。 它根本不是那种生硬的逐字转写。 它把音频里的细碎声响都做了标注：“此处背景音为越剧《红楼梦》选段，播放时间为音频开始后12分17秒，对应说话人提到的‘上次王阿婆送的碟片’”；“此处出现的三花猫叫声，对应外婆说‘咪咪又把耳机线抓断了’”；甚至自己整理了一份内容索引：提到外公的段落有19处，提到腌菜的段落有7处，提到要给我留糖蒜的段落有4处。 我鼻子突然就酸了。 我自己听了那么多遍，都没数清楚外婆到底提了几次外公。之前我总觉得这些碎碎念是毫无逻辑的东拉西扯，一会说今天买的青菜比上周贵了两毛，一会说楼下梧桐树掉叶子扫了半小时，一会又想起外公年轻时候骑车带她去玄武湖，车链掉了弄了一裤子油。但这个模型居然把这些碎片串起来了——它没有把那些停顿、那些背景噪音当成没有意义的冗余，甚至能准确标出外婆说到外公走的那年冬天时，沉默了整整八秒，后面接的那句是“今年的腊梅开得比那年好”。
不是什么了不起的技术
说实话，之前我对大语言模型的印象，全是互联网发布会上的夸张宣传——是能写代码、能写文案、能十分钟做完整份PPT的效率工具，是离我家老房子的藤椅、木桌子、玻璃罐里的糖蒜十万八千里的东西。我之前跟朋友聊起这类技术，还吐槽过，说这些东西再好有什么用，不如先把老小区装电梯的事搞定。 结果上周我妈过来，看到我摊在桌上的打印稿，凑过来翻。翻到那段“给囡囡留的糖蒜在阳台柜子第二层，玻璃罐上面盖了块旧毛巾，别拿错了，那罐咸的是给你舅舅的”，她突然就哭了。 她说外婆走的那天，她在阳台翻了整整三圈，都没找到那罐糖蒜，以为被保洁当垃圾收走了，还难过了快半年。 哪想到就藏在这些碎碎念的音频里。 我后来也试过把自己在老小区拍的日常视频喂给它。它能数出来三楼阳台伸出来的梧桐树枝有多少个树杈，能听出来楼下卖糖葫芦的大爷今年的吆喝声比去年哑了一点。但它也有搞不定的事。 我问它，外婆说的“晒三个太阳的腌萝卜”，到底是夏天的毒太阳，还是秋天不冷不热的温太阳。 它答不上来。它说根据现有文本记录，这是南京地区秋季常见的传统晾晒场景，建议参考同地区公开的食谱教程。 我突然就笑了。 之前我总觉得，人的记忆是要靠一代一代人嘴递嘴传的，是要坐在院子里摇着蒲扇慢慢讲的，要是人走了，那些没说出口的细节，那些夹在日常里的牵挂，就跟着风散了。但现在好像不是这样了。 你说它是冰冷的算法也好，是没有温度的代码也好，它居然能接住那些散在空气里的碎话，能把那些连我自己都听漏了的细节，仔仔细细拼在你面前。 有时候我也会瞎想，要是外婆在的时候，我就知道有这个东西就好了。那时候我可以把她所有的声音都喂给模型，加班到深夜的时候，能听到她跟我说“别总吃外卖，家里给你留了温着的粥”；受了委屈掉眼泪的时候，能听到她跟我说“没事，回家我给你煮碗皮肚面，多放辣”。 但转念又觉得不对。 要是真的能听到她说话，那到底是她在跟我聊天，还是那些被模型攒起来的文字，拼出来的一个影子？ 昨天我把改好的那份转写稿装订好，夹进家里的旧相册里。旁边是外婆抱着三岁的我在玄武湖拍的照片，那时候她头发还黑着，笑的时候露出两颗刚换的假牙。我没把这份东西发亲戚群，也没发朋友圈，就只是把它放在相册最厚的那一页。 窗外的风刮过梧桐树，叶子打在阳台的玻璃上，发出轻轻的声响。作者|大讲堂
排版|大讲堂
审核|见微