月初，Daniel 团队的新一代 Kaldi 语音项目获得了小米2023百万美金技术大奖评选的二等奖。近日，两位《超脑少年团》成员“小孩哥”高培淇和宫一森来到小米祝贺偶像Daniel 获奖。
Kaldi 是一款开源的语音识别工具包，大多数都用在语音识别、说话人识别、自然语言处理等领域。
在智能语音方面，大到微软、苹果、腾讯这样的巨头，小到各种初创企业，几乎都曾或在使用 Kaldi 的技术进行研发及开发产品。而小米首席语音科学家Daniel Povey正是 Kaldi 的创始人。
说到为什么还要研发新一代 Kaldi，也是随着深度学习技术的发展以及硬件算力的提升，智能语音领域也进入到一个新的发展阶段，Kaldi 也要一直更新以适应新的应用场景和技术趋势。
Daniel 博士在2019年注意到了 Transformer 架构的潜力，并判断构建通用基础模型的时机已到来，加入小米后，他就开始实施这一蓝图，研发新一代 Kaldi 语音基础引擎。
新一代 Kaldi是一个开源的智能语音技术工具集，包含核心算法库k2、通用语音数据处理工具包Lhotse、解决方案集合 Icefall 以及服务端引擎 Sherpa 四个子项目，开发的人能基于这些工具集轻松定制自己的智能语音应用。
如果把一个AI应用比喻为一座冰山，那用户所能感知到的应用界面就是暴露在“海平面”之上的冰峰，强有力地托起这些应用的核心和庞大的技术基底，则是被深埋在“海平面”之下。
深藏在“海平面”之下的新一代 Kaldi 通用技术基底有哪些？它们又能带来怎样的作用？下面就为大家介绍。
Zipformer是一个应用 Attention 机制的通用声学编码器，不但可以用在语音领域，初步实验验证其在文本和图像任务上同样适用。
Zipformer 具有效果更好、计算更快、更省内存等优点，这使得 Zipformer 模型非常适合于低资源设备端部署。
全新升级的神经网络优化器ScaledAdam是新一代 Kaldi 团队在业界最知名的优化器 Adam 的基础上，引入了可学习的缩放因子，实现了网络训练时间大幅度缩短。而且ScaledAdam与Adam一样，是一个通用的网络训练优化器。
实验多个方面数据显示，相比 PyTorch 中实现的 RNN-T 损失函数，Pruned RNN-T 损失函数在仅使用 1/5 显存的基础上，取得了约 10 倍的速度提升。
可微分FST（Finite State Transducer）是一个有限状态转换器，可以构建复杂的语言处理模型。
新一代 Kaldi 团队创造性的实现了运行于 GPU 的可微分有限状态机，使开发者只需要在外部构建好图的拓扑结构，将其他的一切计算和训练的部分交给 k2 引擎, 以此来降低建模的工作量，提高灵活性。此外，新一代 Kaldi 团队还实现了基于 GPU 的状态机解码方法，实现了语音识别解码的全链路 GPU 加速。
新一代 Kaldi 还有众多杰出的成果，如：近乎零成本的知识蒸馏技术，让小模型也能学习到大模型的本领；基于时延惩罚的低时延端到端模型的训练方法；PromptASR 语音识别系统；高效数据集构建方案 textsearch ; 全平台语音任务服务引擎 sherpa 等等。集众多优质技术于一身的新一代 Kaldi ，也将会在未来给大家带来更多实用的惊喜，敬请期待吧！
新一代 Kaldi 作为一个基础引擎，不仅推动了公司的技术发展，更对业界产生了深刻的影响。
首先，它可以在语音交互层面有力赋能小米「人车家全生态」新战略。以座舱为例，使用新一代 Kaldi 引擎后，座舱的语音识别的性能逐步提升， jira 解决率提升45%，服务器成本也降低一半。
其次，新一代 Kaldi 作为一个基础引擎，不但可以服务于语音任务，还可以广泛地适用于各种 AI 任务。目前，团队首创的 ScaledAdam 优化器已经用在了小米自研大模型中。
最后，在智能家居领域中，利用新一代 Kaldi 技术，人类能通过语音指令控制家电设备、查询天气、播放音乐等；在教育行业中，可以对学生进行口语测试和纠正，提高学生的口语表达和听力理解能力；在医疗行业中，能轻松实现自动化的病历记录和诊断，提高医疗行业的效率。可以说，新一代 Kaldi 的出现正在对各行各业产生积极的影响。
坚持开源是新一代 Kaldi 与前一代一脉相承的底色。“我为人人，人人为我”，这是 Daniel 坚持 Kaldi 开源的期望，也是小米积极拥抱开源的初心。
“人因梦想而伟大，又因坚持梦想而成长。”Daniel借用雷军的话，寄语和高培淇、宫一森一样怀揣着编程梦想的科技少年。今日的科技少年也一定会成长为未来科研事业中的栋梁。
最后，让我们把目光再次聚焦到获奖的新一代 Kaldi 团队，这是一个创新和经验的结合体，正是因为他们，新⼀代 Kaldi 取得了众多世界领先的成果。期待新一代 Kaldi 在未来，给大家带来更多极致、好用的技术，让开源普惠大众。
瓜州县：探索“1+1”产业+N种电商举措新模式 助推电子商务高质量发展
瓜州县：探索“1+1”产业+N种电商举措新模式 助推电子商务高质量发展
联动「DOU来内容实验室」共创中国女足大片，看Prada怎么样玩转奢侈品新营销
联动「DOU来内容实验室」共创中国女足大片，看Prada怎么样玩转奢侈品新营销
月初，Daniel 团队的新一代 Kaldi 语音项目获得了小米2023百万美金技术大奖评选的二等奖。近日，两位...
胜利一刻，经典见证！北京时间1月14日，2024年澳大利亚网球公开赛正式开赛。伴随着泸州老窖国窖1573、...
近年来，愈加复杂的应用场景对储能电池的单位体积内的包含的能量、安全性等相关参数也提出了更高的要求。目前，电池技...
1月16日,全球知名移动市场评估机构data ai发布2023年12月中国游戏厂商应用出海收入排行榜,由世纪华通(S...
数字化、智能化的发展,使得各行各业都在面临着巨大的挑战,和前所未有的机遇。紫燕百味鸡作为餐饮卤味赛...
1月16日香港永安旅行社一行近百人莅临卡撒天娇集团，此次问访这不仅是一次企业间的交流，更是两地经济合...
1月16日，以温暖世界泉牵黔沪为主题的2024贵州省温泉康养产业专题洽接会在上海举办。此次专题洽接会由贵...
2023年12月，经过中国整形美容协会的严格审查和评选，深圳阳光医疗美容医院（下面简称：阳光医美）第3次...
进了腊月就是年，年货节为家里焕新，添置新的家电家居已成为当下年轻人迎接新年的仪式感之一。1月17日晚...
龙起九州，啸动苍穹！《魔域》全新龙年兽今日霸气现世，一遇风云便化龙！铜梁龙舞正是如...