11月15日訊，在第五屆Kaldi技術(shù)交流會(huì)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(dān)任小米集團(tuán)語音首席科學(xué)家，由他開發(fā)和維護(hù)Kaldi 集成了多種語音識(shí)別模型，是業(yè)界語音識(shí)別框架基石。加入小米一年，Daniel Povey設(shè)計(jì)并開發(fā)出了新一代Kaldi。新一代Kaldi分成三個(gè)部分，包括核心算法部分，訓(xùn)練數(shù)據(jù)準(zhǔn)備部分、示例腳本集合部分。

據(jù)介紹，其中，Lhotse（訓(xùn)練數(shù)據(jù)準(zhǔn)備部分）將替代以前Kaldi中所有數(shù)據(jù)準(zhǔn)備相關(guān)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(yīng)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(dú)立成為一個(gè)單獨(dú)的子項(xiàng)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(huì)非常龐大，且經(jīng)常變動(dòng)。

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(shí)現(xiàn)各種語音識(shí)別相關(guān)算法，比如CTC、LF—MMI、RNN—T、2nd—pass語言模型等，消除以往語音識(shí)別算法中訓(xùn)練跟解碼不匹配的問題。同時(shí)，通過k2可以實(shí)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(dòng)中強(qiáng)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(xiàn)，Kaldi會(huì)始終堅(jiān)持開源?！?/p>

小米集團(tuán)副總裁、技術(shù)委員會(huì)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(lán)鯨TMT記者專訪時(shí)表示，Kaldi的一些語音技術(shù)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(shù)將在小米的手機(jī)、音箱、電視以及更多智能家居與智能穿戴設(shè)備中使用，小米非常重視語音技術(shù)。

責(zé)任編輯：PSY