【CNMO科技动静】7月16日，小米技能官方公布，小米语音首席科学家Daniel Povey被选2026 ISCA Fellow。

Daniel Povey

据相识，ISCA Fellow是国际语音通讯协会（ISCA）授予的最高学术声誉，自2007年设立以来全世界仅100余人获此殊荣。本年全世界共8位学者被选，Daniel依附其于语音辨认声学建模、序列练习立异要领、开源语音东西Kaldi以和对于全世界语音通讯范畴的深远孝敬乐成入选，是独一一名创立了行业基础举措措施级开源软件，于学术及工业界都有凸起孝敬的科学家。小米技能官方暗示，这是继2023年被选IEEE Fellow后再获殊荣，作为一个界说了一个时代的东西及创造行业基础举措措施的科学家，“双料 Fellow”实至名归。

公然信息显示，2019年11月，Daniel正式移居北京，插手小米集团AI试验室，出任语音首席科学家。插手小米后，Daniel领导团队推出了新一代Kaldi开源项目（包罗 k2 / Lhotse / Icefall / Sherpa 四年夜子项目），于语音辨认与合成标的目的连续取患上里程碑式进展：

Zipformer&Zapformer编码器：Zipformer是首个严酷逾越Google Conformer的语音编码器，被ICLR 2024吸收为Oral论文（前 1.2%）；2026年进级版Zapformer将辨认精度再晋升10%-15%，年夜幅加强练习不变性及泛化性。

OmniVoice多语言TTS：2026 年发布撑持600+语言/方言的零样本语音合成模子OmniVoice（0.8B 参数，Qwen3 初始化），仅需3-10秒参考音频便可跨语言克隆音色，中英文Seed-TTS / LibriSpeech-PC基准达SOTA，于客不雅评测集下逾越MiniMax及ElevenLabs等商用模子，开源3个月，Huggingface下载量超500万次。

CR-CTC（Consistency-Regularized CTC）：被ICLR 2025吸收，让纯CTC模子机能比肩 Transducer，于LibriSpeech / AISHELL-1 / GigaSpeech等基准上刷新SOTA，显著降低ASR练习与部署门坎。

ZipVoice零样本语音合成：基在Flow Matching + Zipformer主干，推出ZipVoice（零样本单措辞人 TTS）与ZipVoice-Dialog（零样本对于话 TTS），参数目少、推理快，CPU单线程可达及时，配套OpenDialog数据集同步开源。

sherpa-onnx全平台部署：新一代Kaldi的端云一体推理引擎sherpa-onnx，撑持高通/昇腾/瑞芯微等主流NPU，笼罩Android / iOS / 嵌入式 / 办事端，被开发者称为“智能语音范畴的瑞士军刀”。

版权所有，未经许可不患上转载