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。

技术
©2020 ioDraw All rights reserved
《重构》经典句子摘录,程序员读过后一定有收获中级JAVA程序员应该掌握的数据结构知识LeetCode 水域大小C语言简易学生成绩管理系统Unity 场景异步加载(加载界面的实现)dropoutPython爬取网页数据基本步骤崮德好文连载 - 活该你是工程师(自序)Python基础知识整理笔记27岁发明SQL以后,上帝把他带走了