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

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

圖源：小米公司公眾號

Google將AudioSet數(shù)據(jù)集分為三個子集，前兩個子集用于訓練，被合并稱為 “AudioSet-2M”。正是在這個合并后的訓練集中，小米的聲音識別算法模型首次在業(yè)界突破了50mAP，刷新了音頻標記技術指標，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備應用此項技術后，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

這項算法技術還廣泛應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)響應能力。

目前，小米的聲學語音團隊已將自研聲學語音技術全面應用于小米手機、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。

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的技術能力目前已經(jīng)覆蓋了視覺、聲學、語音、NLP、知識圖譜、機器學習、大模型、多模態(tài)等眾多方向，并全面賦能了手機、汽車、AIoT、機器人等多個業(yè)務板塊。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)有了一些應用嘗試。其中第一個應用大模型，就是將智能語音助理小愛同學升級了大模型版本，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站院士。他指出，在以手機鏡頭為代表的成像技術領域，小米實現(xiàn)了光學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。