©2020-2024 ioDraw All rights reserved
11 月 15 日，第五届 Kaldi 技术交流会在北京举办。Kaldi 之父 Daniel Povey
博士首次亲临现场，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。
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。
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。
据介绍，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 可以非常容易实现（置信度逐渐提高的）多轮解码过程，这在以往是很难做到的。相较于其他一些语音识别库的优势，k2
速度更快，通用性强（可以用来建模多种语音识别算法）。
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。
资料显示，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，公认是业界语音识别框架的基石。