近日，小米自研聲音識別算法取得最新進展，算法模型領(lǐng)先其他機構(gòu)，性能國際排名第一。小米是在 Google 發(fā)布的 AudioSet 音頻標記任務(wù)中獲得的這一突破。它是音頻標記任務(wù)影響力最大的數(shù)據(jù)集，被認為是聲音領(lǐng)域的 ImageNet （注：計算機視覺領(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），權(quán)威性頗高。
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50 mAP，刷新了音頻標記技術(shù)指標，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，遠小于其他機構(gòu)的模型，但性能卻優(yōu)于其他所有機構(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，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。
不僅如此，小米聲音識別算法下的音頻標記技術(shù)能力，還為業(yè)界的前沿研究提供了巨大的技術(shù)價值，有力推動了相關(guān)研發(fā)進程。
（小米自研聲音識別算法性能國際排名第一）
小米算法應(yīng)用場景廣泛，AI賦能惠及普通大眾
小米此次精進后的聲音識別算法，具有極高的應(yīng)用價值。它能夠廣泛應(yīng)用于小米的智能設(shè)備中，大幅提升用戶的智能生活體驗。具體來說，音頻標記算法能夠識別廣泛的環(huán)境聲音，比如嬰兒的啼哭聲、動物叫聲、汽車引擎聲、爆炸聲、煙霧警報、門鈴聲、水流聲等，并讓環(huán)境中的聲音以文字等模態(tài)表達，讓聲音被“看”見。這可以讓硬件設(shè)備更加智能，為用戶帶去更高效和更準確的聲音識別體驗。
以搭載在小米手機中的“小米聞聲”功能來說，它可以監(jiān)測 14 種重要的環(huán)境音，包括火警、嬰兒啼哭、燒水壺聲等，并以手機通知欄進行文字推送。這讓聽力障礙用戶得以“看見”生活中的聲音，與普通人一樣享受智能生活的便捷。小米手環(huán)也可以同步顯示和接收這樣的聲音信息。
智能家居設(shè)備上的應(yīng)用則更加廣泛。小米的聲音識別算法已經(jīng)應(yīng)用于眾多的智能家居設(shè)備中，比如米家攝像頭的寶寶哭聲監(jiān)測功能，它能在監(jiān)測到寶寶哭聲的時候，實時向用戶手機推送通知。Xiaomi Sound 音箱也搭載了聲音識別功能，它能夠識別家用報警器、嬰兒啼哭、火警、流水、貓叫、狗叫等六種用戶關(guān)心的家居環(huán)境聲音。小米健康 APP 的睡眠鼾聲監(jiān)測，則可以幫助跟蹤用戶睡眠時的鼾聲夢話。此外，針對家庭場景，小米還對音箱環(huán)境音的監(jiān)測做了特別適配。比如為了避免一開水龍頭就觸發(fā)通知，打擾用戶，研發(fā)人員將水流聲的識別提醒條件改為一分鐘之內(nèi)多次監(jiān)測到。
這項算法技術(shù)還廣泛應(yīng)用于小米機器人的研發(fā)中，大幅提升了機器人的感知能力。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器人 CyberDog 2 則可以識別 38 種環(huán)境聲音，實現(xiàn)更強大的動態(tài)響應(yīng)能力。
小米強大的 AIoT 平臺生態(tài)，為這項算法技術(shù)的應(yīng)用提供了廣闊的空間，這也是小米技術(shù)研發(fā)的先天優(yōu)勢，有豐富的場景推動技術(shù)邁向應(yīng)用層面，讓科技成果真正惠及普通大眾。目前，小米的聲學(xué)語音團隊已將自研聲學(xué)語音技術(shù)全面應(yīng)用于小米手機、音箱、電視、耳機、手表、機器人等 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)量則達到了1.15 億，是世界上最忙的語音助手之一。
長期深耕底層技術(shù)，小米推動行業(yè)前沿探索向前邁進
小米自研聲音識別算法的突破，還為業(yè)界的前沿研究提供了巨大的技術(shù)價值。目前，業(yè)內(nèi)已知的相關(guān)研究成果幾乎都應(yīng)用到了預(yù)訓(xùn)練的音頻標記模型，用作音頻編碼，為音頻領(lǐng)域的研究提供關(guān)鍵的音頻信息提取能力。小米此次在音頻標記任務(wù)上的出色表現(xiàn)，不僅充分彰顯了技術(shù)實力，更直接推動了音頻領(lǐng)域前沿探索向前邁進。
這是小米又一次展露出深耕底層技術(shù)的決心和實力。今年8月，小米對其科技戰(zhàn)略進行了升級，提出“選擇對人類文明有長期價值的技術(shù)領(lǐng)域，堅持長期投入”的科技理念，并指出了具體路徑和原則，即深耕底層技術(shù)，長期持續(xù)投入，軟硬深度融合，AI全面賦能。
事實上，歷經(jīng)十三年的發(fā)展，小米的技術(shù)研發(fā)已經(jīng)從應(yīng)用層面更多轉(zhuǎn)向了底層技術(shù)層面。其中 AI 領(lǐng)域是小米長期持續(xù)投入的底層賽道之一。據(jù)悉，小米自2016年組建AI團隊以來，人工智能團隊經(jīng)過7年6次擴展，人員規(guī)模已達3000多人。同時，小米 AI 技術(shù)能力也已經(jīng)覆蓋了視覺、聲學(xué)、語音、NLP、知識圖譜、機器學(xué)習(xí)、大模型、多模態(tài)等眾多方向，并全面賦能了手機、汽車、AIoT、機器人等眾多業(yè)務(wù)板塊。今年4月，小米還正式組建了 AI 大模型團隊，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。這次聲學(xué)語音團隊刷新行業(yè)音頻標記技術(shù)指標，再次證明了小米強大的AI實力。
從更全局的視野看，小米的技術(shù)體系已蔚然成林，研發(fā)布局進入了12個技術(shù)領(lǐng)域，包括5G 移動通信技術(shù)、大數(shù)據(jù)、云計算及人工智能，同時基于智能制造，進入機器人、無人工廠、智能電動汽車等，總體細分領(lǐng)域達99項。小米的技術(shù)研發(fā)還有持續(xù)的資金保障，未來五年（2022-2026）研發(fā)投入將超過1000億元。
小米還在持續(xù)通過多個層面的努力提升科技創(chuàng)新能力。9月11日，小米正式成立集團科協(xié)暨院士專家工作站，攜手更多力量、匯聚更多資源進行關(guān)鍵核心技術(shù)攻關(guān)，加強基礎(chǔ)性、前沿性研究和成果轉(zhuǎn)化。
（9月11日，小米集團科協(xié)成立暨院士專家工作站授牌儀式在京舉行）
中國科協(xié)黨組成員、書記處書記殷皓在當天的授牌儀式活動中表示，小米集團科協(xié)的成立，體現(xiàn)了小米集團高管對科技創(chuàng)新工作的高度重視。他指出，期待小米集團科協(xié)充分發(fā)揮資源優(yōu)勢，大力普及科學(xué)知識，拓展開放合作，共同營造具有全球競爭力的開放創(chuàng)新生態(tài)。
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站院士。他指出，在以手機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。他還表示，期待與小米科技工作者團隊共同開展關(guān)鍵技術(shù)攻關(guān)，推動行業(yè)向前發(fā)展。
在新的科技戰(zhàn)略指引下，小米正朝向著世界科技巨頭的目標銳意進取。而在歷經(jīng)十三年的豐厚積淀，又匯聚起強大外部科研力量后，小米勢必迸發(fā)出更加強勁的創(chuàng)新活力。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責(zé)任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
