一切安好

正在下载AudioSet数据集，一个多TB，担心后期读取音频文件会不会大量损耗移动机械硬盘…电脑内部D盘肯定是不够的。

下完之后大致可以做特征工程，不必过早引入模型，以及复杂的智能理论。声音的特性在于，声音本身是没有含义的，是人脑赋予了声音以含义。建立声音到语义的映射，不是一个字典那么简单，也无法像传统多头注意力一样去预测声音的token——再次强调，声音本身没有语义的先验要素，因此声音的特征比任何拟合的模型都重要。