Kaldi和小米AIoT生态

什么是Kaldi？

Kaldi是目前全球最流行的开源语音识别工具集。Kaldi在学术界降低了语音技术的入门门槛，为各大学术研究和挑战赛提供基线系统。

初创公司和团队纷纷使用Kaldi，结合自己的数据迅速验证业务，并为用户服务。几乎所有做语音识别的机构和企业都在使用Kaldi。

Kaldi的前身是基于Daniel Povey博士提出的SGMM模型，Daniel主导了Kaldi项目的开发和维护，开发了很多Kaldi模型（包括目前使用广泛的Chain模型），维护了一个开源的语音识别语料库（OpenSLR），并基于此开发了大量的语音识别训练脚本。Daniel几乎24小时在线回答Kaldi社区用户的问题，他的努力获得了社区的认可。

下面谈谈Kaldi的发展历程。

2009年，在约翰霍普金斯大学夏季研讨会上，语音识别工具包Kaldi正式开始开发，并完成了早期的系统，包括轻量级的解码器和基于HTK的训练脚本。

2010年，布尔诺理工大学Kaldi研讨会，Kaldi作为语音识别工具包的功能被完善，同时研究人员开发了独立于HTK的训练脚本，大量的代码在2010年被开发。紧接着后面的每一年，Kaldi都做出了里程碑的贡献。

Kaldi在学术界的地位非常高，因为开源模式开放共享共建精神，奠定了它在学术界的扎实地位，成为了学术研究的利器，大大降低了准入门槛，今天有4000多篇论文都在引用Kaldi。

在工业界，Kaldi是语音落地的基石。只需对Kaldi做简单的封装，即可构建承受真实场景压力的语音引擎。很难找到一家研究语音算法的机构或企业不使用Kaldi，基于Kaldi的语音引擎，正在每天为数亿用户持续提供服务。

2019年，Daniel正式加入小米。最近几个月，学术界、工业界的同行都在称赞小米，我们没想到Kaldi有如此大的影响力，也没想到Daniel在业界如此地受尊重。

很多开源界和AI界，尤其是语音界的人纷纷称赞小米为中国语音界作出的巨大贡献，这从侧面反映了Kaldi在业界的影响力。

Daniel为什么选择小米？我个人认为，除了小米对技术的热爱、对技术人才的重视之外，最重要的两个原因是小米强大的AIoT生态，以及小米极致的开源文化。

什么是AIoT生态？小米的AIoT生态为什么如此强大？谈到生态，我们先谈一下我们所处的这个智能新时代。智能新时代是AI、IoT、5G三个时代的交汇期。

为顺应这个时代，小米在2019年年初启动了“手机+AIoT”双引擎战略，AIoT第一次被提升到了与手机同样重要的位置。

小米布局AIoT非常早，2014年就开始布局生态链，布局智能家居。目前，小米的AIoT平台已经是全球首屈一指的消费级AIoT平台，AIoT平台连接的智能设备数超过2.52亿台，并且，这个数字还不包括小米所有的智能手机、笔记本等。

为什么语音技术在AIoT生态中如此重要？从IoT到AIoT，我们正在经历一个质变。

第一，从GUI到VUI是交互的质变，G是指图形、用户界面，V更多的是指声音。

第二，从IoT到AIoT发生着从个体到整体的质变，从互联互通到以人为中心的智能服务质变，其背后都是AI的功劳，所以，从IoT到AIoT正在经历一个巨大的质变。

谈到小米的AIoT战略，不得不提小爱同学。小爱同学最早是一个语音助理，后来被升级为智能助理。

广义的定义是小米的AI系统把小爱同学打造成分布式计算能力，小爱同学被定义为小米AIoT生态的核心。小米强大的AIoT生态，我认为是吸引Daniel、吸引Kaldi来到小米、来到中国的一个理由。

小米纯粹、极致地拥抱开源文化，是吸引Daniel加入小米的一个重要理由。小米几年前喊出开源的理念，今天这个理念被业界同行高度认同，这个理念是：不仅要站在巨人的肩膀上，而且还要为巨人指方向。

过去20年，我坚定地认为开源是软件的未来；过去3年，我更加坚信开源是AI的未来。Daniel最在意的是能不能保证Kaldi100%地开源，他非常崇尚技术，非常纯粹，也追求极致。近半年多来，Kaldi有很多新的进展，并有很多贡献者提交代码。

Daniel加入小米后，小米集团技术委员会专门成立了一个新的团队，叫新一代语音技术，由Daniel直接带领这个团队。

目前，这个团队发展得非常好，希望未来Kaldi能真正在小米得以发扬光大，真正做到四赢：Daniel和Kaldi项目要赢，Kaldi的全球社区要赢，小米AIoT生态要赢，基于Kaldi的初创公司也要赢。我们要坚持开放和共享，实现多方共赢。

我们会一如既往地秉承“坚持开源”的理念，打造Kaldi，让Kaldi在中国所有开源热爱者的推动下，成为一个比较典型的开源项目，成为一个没有国界的全球化的开源项目。