人滿意。為了解決這一問題，我們提出了基於詞格的音訊檢索方法，簡單的說，就是除了在語音識別的首選結果上搜尋外，加入多候選識別結果的資訊。比如，語音識別的第一候選是“研究院”，但同時給出許多次優候選，如“研究員”。透過索引這些多候選結果，搜尋的準確性有了大幅度的提高。

但我們很快發現了另一個問題，常用的語音識別系統依賴於一個事先選取的詞典，而不在詞表中的詞是不可能被識別出來的，這在語音識別中稱之為“集外詞”問題。對於音訊檢索，這個問題變得尤為嚴重，因為很多集外詞都是可能被搜尋到的關鍵詞。針對這一問題，我們採用了基於音素的語音識別系統，將音訊內容和使用者關鍵詞都分拆成音素來匹配，取得了很好的效果。

在那一年的Director　Review和第二年的TechFest，我們演示了這一技術，得到了廣泛的好評。

跨越“100小時”這座大山

在我們演示了基於音素的音訊檢索技術之後，得到最重要的一條反饋是，這一技術要做到實用，必須解決資料集的尺度問題。在我們的解決方案中，搜尋時間和資料集尺度是成正比的，這稱之為“線型搜尋”。在資料集小於10小時的情況下，搜尋的時間在2秒以內。但當資料集到了100小時的時候，搜尋時間就不可接受了。而100小時，是一個實際應用的基本要求。

其實在文字搜尋領域，透過基於詞的倒排索引，海量資料集的搜尋早就不成為難題。但在我們的系統中，因為採用音素為基本單元，使得簡單的倒排毫無用�