大讲堂
旧平板里的错字文件夹
点进去全是她的语音备忘录转写记录。最早的一条是2022年冬天的，转出来的字七扭八歪：“切药，三点半，窗关了，张阿婆喊我乘娘”。我当时蹲在地板上看，笑到肚子痛，转头就拍给我妈看，说外婆这写的是加密电报吧，谁能看懂。 她是绍兴人，讲了一辈子带口音的普通话，平翘舌不分，前后鼻音混着来，之前系统自带的语音转写，从来没对准过她的发音。我之前也找过做算法的朋友问，说要专门给她训个识别口音的小模型，得攒几百条清晰的语音，还要逐字标对内容，算下来要花好几天的功夫，那时候我天天加班，这事就搁下了。
没经过完整训练的小模型
周末约那个做算法的朋友吃火锅，他咬了一口毛肚，跟我说根本不是系统更了多大的版本。就是平台上的算法团队，用了迁移学习的核心逻辑从来不是从零搭建一套全新的能力——之前他们已经花了好几个月的时间，攒了几十亿条通用的中文语音数据，训出了一个基础的大语音模型，甚至已经专门学过上海话、宁波话、绍兴话这些江浙片区的方言发音规律。 之前这个模型识别外婆的话不准，是因为它不知道外婆说话的习惯：她总喜欢把“药”的尾音拖半拍，把“糕”的声母咬得特别重。根本不需要重新从零攒数据训模型，只要把她这两年手动改对的那几十条错字记录，往现有模型上搭个小架子，把已经学会的方言发音映射，稍微调一调参数，就能精准对准她的发音了。 说实话，我之前总觉得人工智能离我们家远得很，都是新闻里说的什么大算力中心、百亿参数模型，哪能想到最后用到我外婆身上的，根本不是什么从零开始训练的新东西。那些在机房里跑了几个月、吞了几十亿条语音数据学出来的能力，根本不需要为了一个老太太的口音重新算一遍，只要把已经攒的本事挪一点，往她独有的说话停顿、咬字轻重上靠一靠，花的算力可能还不如我家里那台旧笔记本跑半小时游戏多。 太省事儿了。
被挪来的日常能力
我之前跑口述史项目，总想着找那种惊天动地的技术节点，什么大模型发布，什么颠覆性的发明，觉得只有那种横空出世的东西，才算得上是改变生活的技术。结果翻遍家里的旧物件，发现真正扎进普通人日子里的技术，根本不是什么从零到一的新创造。 那些被大模型“学”过的通用能力，只需要轻轻调整参数，就能适配到非常细分的个人场景。比如楼下修电动车的王师傅，之前对着一堆花花绿绿的线路，要记好几个牌子的接口规则，现在用的那个线路识别APP，根本不是专门给他的修车铺做的，是把通用的图像识别模型，拿他拍的几十张电动车线路照片微调了一下，对着接口拍个照，就能告诉你哪根线接哪里。他上次还跟我吐槽，说这APP碰到改装过的线路就认不准，但总比以前瞎接强，上次接错线烧了个控制器，他赔了人家两百块，心疼了三天。 我外公走了三年，之前我们攒了他在家庭群里发的二十几条语音，想做个能模仿他声音的小工具，之前问过好多人，说要做个能以假乱真的声音模型，得要几个小时的清晰录音，我们凑不出来，这事就搁下了。结果上次回家，外婆点了一下平板上的小按钮，就听到一个有点飘的、带着老年男性沙哑感的声音说：“记得关窗，别舍不得开空调”。 我当时鸡皮疙瘩都起来了。那声音不是百分百像，尾音还有点发颤，不像外公以前说话那么沉，但足够让外婆愣神半天，手里剥了一半的橘子，瓣都掉在裤子上了都没察觉。 原来这也是用的同样的思路。根本不需要从零学怎么模仿一个人的声音，只要把通用的老年男性声线模型，拿外公那二十几条语音调一调参数，就能调出几分他说话的味道。 真正扎进普通人生活的技术，从来不是横空出世的颠覆。是把已经攒了好久的本事，轻轻挪到每个人的手边。 上周我把外婆平板里的转写记录都整理出来，打印成薄薄的一本小册子，拿给她看。她戴着老花镜，逐字逐句地读，读到她跟外公第一次在供销社柜台见面的那段，抬头跟我说，你外公那时候啊，买给我的水果糖，我藏在枕头底下，都化了。 我没接话。窗外的梧桐叶飘下来，落在窗台上。 我突然想起外婆年轻时候抄的那本旧菜谱，里面好多菜的做法，都是她从邻居家、从单位食堂的师傅那里学来的，不是自己凭空发明的。原来好多东西都是这样，把已经会的本事，挪一点，改一点，就能凑出适合自己的法子。 她不需要知道什么是迁移学习。她只需要知道，现在对着平板说话，就能把想说的话存下来，能听到几分外公的声音，就够了。作者|大讲堂
排版|大讲堂
审核|小准