DoNews 9月2日消息（刘文轩）小米在 Interspeech 发布新一代 Kaldi 子项目 Icefall 1.0 正式版。Daniel Povey 加入小米，担任小米集团语音首席科学家已经有两年，他在小米的主要工作也是带领团队开发新一代 Kaldi，并努力从根本上改变语音识别的实现方式。

Daniel 在 2003 年博士毕业后，进入 IBM 研究院负责计算机语音识别方面的工作，2008 年离开 IBM，加入微软研究院，继续进行计算机语音识别方面的工作。

DoNews 在小米位于北京的总部与 Daniel Povey 进行了一次交流，Daniel 也透露，可望明年开始将新一代 Kaldi 融入小米产品中，不过当下仍有许多事情要做。

现有端到端语音识别模型的流行和准确率的逐步提升，加上 PyTorch、TensorFlow 等深度学习工具包的普及，使新一代 Kaldi 的开发得到动力。至于为什么选择将新一代 Kaldi 的开发放在小米进行，Daniel 表示，除了小米，也有其他大型互联网公司希望他能加入，但他希望可以坚持做开源项目，担心有些公司会在起初保证项目的开源，但过一两年后改变主意。选择小米是由于它是一家稳定的公司，同时也表现出对开源的重视，并承诺可以在这里一直做开源项目。

那么 Kaldi 在小米产品中的应用状况如何呢？Daniel 透露，目前小米产品中的 ASR 使用的还是第一代 Kaldi，接下来将逐步把新一代 Kaldi 融入到小米产品中，希望在今年年底或明年初开始将下一代 Kaldi 应用于小米产品，不过现在还有很多集成和测试要做。Daniel 介绍称，团队目前正在做的一件事是使用 k2 来加速现有生产模型的解码。

新一代 Kaldi 由 3 个独立的项目组成，分别为 k2、Lhotse 和 Icefall，它是一个全新的代码库，完全重新编写，主要由 C++ 和 CUDA 完成，并可以在 Python 调用。新一代 Kaldi 与第一代 Kaldi 有很多不同，新一代 Kaldi 全部运用 Python 脚本，组件比以前更解耦；机器学习后端是 PyTorch，以前使用自定义代码，而且以后还可能会支持 PyTorch 以外的机器学习后端。

谈到未来的规划，Daniel 表示，作为核心项目的 k2，团队计划未来把 k2 中一部分的 Python 脚本用 C++ 重写，这样既提高效率并更利于产品化部署。当前 k2 版本是 1.5，接下来还会创建 k2 的 2.0版本 ，计划在 12 月之前完成。

Lhotse 作为训练数据准备部分，目前已经比较完善，接下来还将持续迭代并发布新版本。Icefall 作为训练脚本集合，目前非常具有可塑性，因为这个代码库还很新，而且发展非常快。

Daniel 在 2009 年主导约翰霍普金斯大学夏季研讨会结束后，打算开发一个工具包来普及正在研究的想法，Kaldi 也由此诞生，项目在最初的研讨会大约两年后终于完成。

Daniel 表示，新一代 Kaldi 与 PyTorch 兼容，可以从机器学习的最新发展中获益，并且代码更容易修改，它比原来的 Kaldi 代码库灵活得多，它允许用户更轻松地尝试新想法。

对于将 Kaldi 开源的做法，Daniel 认为，他希望做有深远影响力的项目，开源项目可以让很多人使用，并共同参与贡献，直到今天，仍有人在 Kaldi 上贡献代码。但如果不选择开源，这一目的就很难实现。另一方面，一旦项目开源就很难闭源了，而且依附于 Kaldi 发展起来的中小企业有很多。“我会一直坚持将 Kaldi 的项目开源。”Daniel 说道。