中国网科技8月31日讯 小米集团语音首席科学家、“Kaldi之父”Daniel Povey(丹尼尔·波维)今日接受媒体采访时称,新一代Kaldi目标不仅仅是赶上或者稍微领先这些语音识别库,而是要根本地改变语音识别的实现方式。
Daniel Povey对中国网科技透露,目前小米AIoT产品中还用的是第一代Kaldi,接下来小米将逐步把新一代Kaldi能力融入到小米产品中,预计在今年年底或明年初,开始将新一代Kaldi能力应用于小米产品,但现在仍在测试之中。
谈及为何选择在小米开发新一代Kaldi,Daniel Povey对记者直言:“事实上有很多大型互联网公司都想把我招致麾下,但小米是一家公司战略规划相对稳定的公司,加上表现出对开源项目的承诺与重视,因此在我需要做开源项目这一硬性标准看来,小米是最佳去处。”
据悉,现有端到端语音识别模型的流行和准确率的逐步提升,以及PyTorch、TensorFlow等深度学习工具包的普及,是开发新一代Kaldi主要动力。相较初代而言,新一代Kaldi是一个全新代码库,需要完全重新打造,由C++以及CUDA完成,并可以在Python调用。新一代Kaldi由3个独立的项目组成,分别称为 k2、Lhotse和Icefall。
其中,最新算法Icefall是这次新一代Kaldi重要部分,基于实现“双向建模”和多层模型的优势,拥有新一代Kaldi能力的AIoT产品可以大大提高语音识别能力,从而降低收到语音指令的词错误率。小米集团方面称,目前已经在LibriSpeech数据集上取得了2.57%的词错误率,而且还在持续的进一步优化。
小米集团语音首席科学家、“Kaldi之父”Daniel Povey
Daniel Povey表示:“新一代Kaldi与PyTorch兼容,并且代码更容易修改,比初代Kaldi代码库更灵活得多,允许用户更轻松地尝试新想法。并且止于目前,依托于Kaldi而发展起来的很多中小型企业有很多,Kaldi将一直坚持做项目开源。”
公开信息显示,Daniel Povey是语音识别开源工具Kaldi的主要开发者和维护者,因此被称为“Kaldi之父”。而Kaldi工具简而言之的讲,目前国内三大语音助手小爱同学、小度、天猫精灵使用的底层框架都是Kaldi,Kaldi等于是能让智能物联通过语音交互方式呈现的基础,是目前被业界公认的语音识别框架基石。
凡本网注明“来源:XXX(非中国财经消费)”的内容,均转载自其它媒体,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。
如有侵权等问题,请及时联系本网,本网将在第一时间删除:gkjnet@qq.com