11月15日訊，在第五屆Kaldi技術交流會上，Kaldi之父Daniel Povey博士與來自北京各大互聯(lián)網(wǎng)公司、知名高校的開發(fā)者們深入交流下一代Kaldi社區(qū)未來的發(fā)展。

Daniel Povey博士目前擔任小米集團語音首席科學家，由他開發(fā)和維護Kaldi 集成了多種語音識別模型，是業(yè)界語音識別框架基石。加入小米一年，Daniel Povey設計并開發(fā)出了新一代Kaldi。新一代Kaldi分成三個部分，包括核心算法部分，訓練數(shù)據(jù)準備部分、示例腳本集合部分。

據(jù)介紹，其中，Lhotse（訓練數(shù)據(jù)準備部分）將替代以前Kaldi中所有數(shù)據(jù)準備相關的工作，操作各種音頻和文本的元數(shù)據(jù)。Lhotse除了Kaldi本身，也適用于其他應用。而且Lhotse純Python代碼，方便易用。

Icefall（示例腳本集合部分）將代替Kaldi中的示例腳本集合，并獨立成為一個單獨的子項目。之所以要把示例腳本集合與核心算法分開，是考慮到示例腳本可能會非常龐大，且經(jīng)常變動。

新一代Kaldi的核心部分叫“k2”。k2可以讓開發(fā)者很容易在PyTorch/TensorFlow中實現(xiàn)各種語音識別相關算法，比如CTC、LF—MMI、RNN—T、2nd—pass語言模型等，消除以往語音識別算法中訓練跟解碼不匹配的問題。同時，通過k2可以實現(xiàn)（置信度逐漸提高的）多輪解碼過程。

Daniel Povey博士透露，k2核心代碼已完成。約41000行代碼（主要是C++），本周剛發(fā)布0.1版本。他在本次線下活動中強調(diào)：“今天有太多人依托Kaldi在做自己的事業(yè)，有很多人為Kaldi社區(qū)一直在做貢獻，Kaldi會始終堅持開源。”

小米集團副總裁、技術委員會主席崔寶秋指出，擁抱開源是小米工程文化的重要組成部分。崔寶秋在接受藍鯨TMT記者專訪時表示，Kaldi的一些語音技術與代碼已經(jīng)在一些小米的產(chǎn)品線使用，未來其語音技術將在小米的手機、音箱、電視以及更多智能家居與智能穿戴設備中使用，小米非常重視語音技術。

責任編輯：PSY