北京
【CNMO科技消息】7月16日，小米技术官方宣布，小米语音首席科学家Daniel Povey当选2026 ISCA Fellow。
Daniel Povey
据了解，ISCA Fellow是国际语音通信协会（ISCA）授予的最高学术荣誉，自2007年设立以来全球仅100余人获此殊荣。今年全球共8位学者当选，Daniel凭借其在语音识别声学建模、序列训练创新方法、开源语音工具Kaldi以及对全球语音通信领域的深远贡献成功入选，是唯一一位创建了行业基础设施级开源软件，在学术和工业界都有突出贡献的科学家。小米技术官方表示，这是继2023年当选IEEE Fellow后再获殊荣，作为一个定义了一个时代的工具和创造行业基础设施的科学家，“双料 Fellow”实至名归。
公开信息显示，2019年11月，Daniel正式移居北京，加入小米集团AI实验室，出任语音首席科学家。加入小米后，Daniel带领团队推出了新一代Kaldi开源项目（包含 k2 / Lhotse / Icefall / Sherpa 四大子项目），在语音识别与合成方向持续取得里程碑式进展：
Zipformer&Zapformer编码器：Zipformer是首个严格超越Google Conformer的语音编码器，被ICLR 2024接收为Oral论文（前 1.2%）；2026年升级版Zapformer将识别精度再提升10%-15%，大幅增强训练稳定性和泛化性。
OmniVoice多语言TTS：2026 年发布支持600+语言/方言的零样本语音合成模型OmniVoice（0.8B 参数，Qwen3 初始化），仅需3-10秒参考音频即可跨语言克隆音色，中英文Seed-TTS / LibriSpeech-PC基准达SOTA，在客观评测集下超越MiniMax和ElevenLabs等商用模型，开源3个月，Huggingface下载量超500万次。
CR-CTC（Consistency-Regularized CTC）：被ICLR 2025接收，让纯CTC模型性能比肩 Transducer，在LibriSpeech / AISHELL-1 / GigaSpeech等基准上刷新SOTA，显著降低ASR训练与部署门槛。
ZipVoice零样本语音合成：基于Flow Matching + Zipformer骨干，推出ZipVoice（零样本单说话人 TTS）与ZipVoice-Dialog（零样本对话 TTS），参数量少、推理快，CPU单线程可达实时，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，支持高通/昇腾/瑞芯微等主流NPU，覆盖Android / iOS / 嵌入式 / 服务端，被开发者称为“智能语音领域的瑞士军刀”。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
