小米自研聲音識別算法性能國際排名第一

9月13日消息，小米自研聲音識別算法近日取得了最新進(jìn)展，算法模型領(lǐng)先其他機(jī)構(gòu)，性能國際排名第一。

小米是在Google發(fā)布的AudioSet音頻標(biāo)記任務(wù)中獲得的這一突破。它是音頻標(biāo)記任務(wù)影響力最大的數(shù)據(jù)集，被認(rèn)為是聲音領(lǐng)域的ImageNet （注：計算機(jī)視覺領(lǐng)域最著名的數(shù)據(jù)集，由著名學(xué)者李飛飛等主持發(fā)布），有較高的權(quán)威性。

圖源：小米公司公眾號

Google將AudioSet數(shù)據(jù)集分為三個子集，前兩個子集用于訓(xùn)練，被合并稱為 “AudioSet-2M”。正是在這個合并后的訓(xùn)練集中，小米的聲音識別算法模型首次在業(yè)界突破了50mAP，刷新了音頻標(biāo)記技術(shù)指標(biāo)，成為截至目前性能最好的模型。此外，小米還發(fā)布了一個Mini版模型，適合資源受限的場景。該模型的參數(shù)量被壓縮到了原模型的約九分之一，遠(yuǎn)小于其他機(jī)構(gòu)的模型，但性能卻優(yōu)于其他所有機(jī)構(gòu)。

這項技術(shù)的突破意味著小米的聲音識別算法能力再次精進(jìn)，小米的眾多智能硬件設(shè)備應(yīng)用此項技術(shù)后，可以更敏銳地捕捉和識別環(huán)境聲音，大幅提升硬件的智能化程度，從而為用戶創(chuàng)造更加便捷的智能生活體驗。

圖源：小米公司公眾號

這項算法技術(shù)還廣泛應(yīng)用于小米機(jī)器人的研發(fā)中，大幅提升了機(jī)器人的感知能力。小米歷時10個月全棧自研的第一代全尺寸人形機(jī)器人CyberOne，可以識別85種環(huán)境聲音，能夠通過聽覺感知6類、45種人類情緒。而小米第二代仿生四足機(jī)器人CyberDog 2則可以識別38種環(huán)境聲音，實現(xiàn)更強(qiáng)大的動態(tài)響應(yīng)能力。

目前，小米的聲學(xué)語音團(tuán)隊已將自研聲學(xué)語音技術(shù)全面應(yīng)用于小米手機(jī)、音箱、電視、耳機(jī)、手表、機(jī)器人等79個品類，共計5000多款智能產(chǎn)品中。而小愛同學(xué)的月活躍用戶數(shù)量則達(dá)到了1.15億，是世界上最忙的語音助手之一。

據(jù)悉，小米自2016年組建AI團(tuán)隊以來，人工智能團(tuán)隊經(jīng)過7年6次擴(kuò)展，人員規(guī)模已達(dá)3000多人。同時，小米AI的技術(shù)能力目前已經(jīng)覆蓋了視覺、聲學(xué)、語音、NLP、知識圖譜、機(jī)器學(xué)習(xí)、大模型、多模態(tài)等眾多方向，并全面賦能了手機(jī)、汽車、AIoT、機(jī)器人等多個業(yè)務(wù)板塊。今年4月，小米還正式組建了AI大模型團(tuán)隊，全面擁抱大模型，目前陸續(xù)有了一些應(yīng)用嘗試。其中第一個應(yīng)用大模型，就是將智能語音助理小愛同學(xué)升級了大模型版本，并開啟邀請測試。

圖源：小米公司公眾號

值得一提的是，9月11日，小米正式成立集團(tuán)科協(xié)暨院士專家工作站。

中國工程院院士丁文華成為小米院士專家工作站的首位進(jìn)站院士。他指出，在以手機(jī)鏡頭為代表的成像技術(shù)領(lǐng)域，小米實現(xiàn)了光學(xué)鏡頭小型化的重大突破，是行業(yè)的佼佼者。小米已經(jīng)牽頭成立了智能圖像處理北京市工程研究中心，他希望未來能夠努力升級為國家工程研究中心。