崔宝秋小米集团副总裁、小米技术委员会主席

                 # 聘大佬、秀技术、搞开源，开发者说：小米「很技术」

2020年11月10日 16:30 DoNews

原标题：聘大佬、秀技术、搞开源，开发者说：小米「很技术」

文章经授权转自公众号：量子位(ID：QbitAI)作者： 关注前沿科技

小米要更技术。

雷军不止一次这样强调。在《新闻联播》采访中，在MIDC 2020小米开发者大会现场，「技术」都是这位小米集团创始人&董事长强调最多的词汇。

崔宝秋也是这样反复布道的，他是小米集团副总裁、小米技术委员会主席，从最初打造小米大数据，到后来成为小米AI的核心引擎和业务，以及在底层框架方面的种种努力，并成功吸引到全球AI语音大牛、Kaldi之父Daniel Povey……在接受采访时，他认为小米的技术底色正在越来越外显。

在今年小米开发者大会上，小米还官宣了5000名工程师的招聘计划——史无前例。

这是大众印象中鲜于看到的那一面，对于小米的关注，集中于产品，不常深入技术甚至底层。

但如果问现场开发者，「小米很技术」，甚至不需要论证。

小米展示了哪些技术?

「我感觉小米最大的变化，可能不再是一个简单的手机厂，手机只是小米推整个家庭物联网的抓手。」

MiNLP 3.0、新版Kaldi、MACE Micro、NuttX操作系统、小米Vela物联网软件平台……

以上已经或即将开放的技术，都是过去一年由小米自研，或者小米在其中做出了重要贡献。

一位开发者向我们说：今天干货非常多，小米今年真的是开了场技术大会。

但究竟如何技术?

不妨先先从6大技术发布总结，来快速了解今年的小米开发者大会。

语音识别工具包新一代Kaldi

去年，小米将语音界AI大神Daniel Povey招募进来，他是最流行的语音识别工具包Kaldi的开发者。

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。

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。

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。

当然，这只是k2的应用场景之一。

Povey博士还举了另一个例子：FSA(有限状态自动机)是语音识别里普遍使用的数据结构，比如可以用来构建“音标—词—句子”的转换概率图。而K2的核心贡献在于让FSA可导，从而可在PyTorch等深度学习库中来进行FSA的反向传播训练。

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)。

Povey博士透露，k2核心代码已完成。约41000行代码(主要是C++)，本周将发布0.1版本。

开源自然语言处理平台MiNLP 3.0

“拥抱开源，构建开发者社区”，是「技术向」小米始终挂在嘴边的。

今年的开发者大会，小米公布了最新的自然语言处理平台，MiNLP 3.0，并且承诺，MiNLP 3.0中的不同功能模块，将按计划逐渐开源。

3.0都有哪些新特性?

与去年的MiNLP 2.0相比，3.0从原来