图片
蓝鲸TMT频道11月15日讯 ， 在第五届Kaldi技术交流会上 ， Kaldi之父Daniel Povey博士与来自北京各大互联网公司、知名高校的开发者们深入交流下一代Kaldi社区未来的发展 。
Daniel Povey博士目前担任小米集团语音首席科学家 ， 由他开发和维护Kaldi 集成了多种语音识别模型 ， 是业界语音识别框架基石 。 加入小米一年 ， Daniel Povey设计并开发出了新一代Kaldi 。 新一代Kaldi分成三个部分 ， 包括核心算法部分 ， 训练数据准备部分、示例脚本集合部分 。
据介绍 ， 其中 ， Lhotse（训练数据准备部分）将替代以前Kaldi中所有数据准备相关的工作 ， 操作各种音频和文本的元数据 。 Lhotse除了Kaldi本身 ， 也适用于其他应用 。 而且Lhotse纯Python代码 ， 方便易用 。
Icefall（示例脚本集合部分）将代替Kaldi中的示例脚本集合 ， 并独立成为一个单独的子项目 。 之所以要把示例脚本集合与核心算法分开 ， 是考虑到示例脚本可能会非常庞大 ， 且经常变动 。
新一代Kaldi的核心部分叫“k2” 。 k2可以让开发者很容易在PyTorch/TensorFlow中实现各种语音识别相关算法 ， 比如CTC、LF—MMI、RNN—T、2nd—pass语言模型等 ， 消除以往语音识别算法中训练跟解码不匹配的问题 。 同时 ， 通过k2可以实现（置信度逐渐提高的）多轮解码过程 。
Daniel Povey博士透露 ， k2核心代码已完成 。 约41000行代码（主要是C++） ， 本周刚发布0.1版本 。 他在本次线下活动中强调：“今天有太多人依托Kaldi在做自己的事业 ， 有很多人为Kaldi社区一直在做贡献 ， Kaldi会始终坚持开源 。 ”
小米集团副总裁、技术委员会主席崔宝秋指出 ， 拥抱开源是小米工程文化的重要组成部分 。 崔宝秋在接受蓝鲸TMT采访人员专访时表示 ， Kaldi的一些语音技术与代码已经在一些小米的产品线使用 ， 未来其语音技术将在小米的手机、音箱、电视以及更多智能家居与智能穿戴设备中使用 ， 小米非常重视语音技术 。
（责任编辑：王治强 HF013）