近日，小米自研聲音識別算法取得最新進(jìn)展，算法模型領(lǐng)先其他機構，性能?chē)H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)影響力最大的數據集，被認為是聲音領(lǐng)域的 ImageNet(注：計算機視覺(jué)領(lǐng)域最著(zhù)名的數據集，由著(zhù)名學(xué)者李飛飛等主持發(fā)布)，權威性頗高。

Google將AudioSet數據集分為三個(gè)子集，前兩個(gè)子集用于訓練，被合并稱(chēng)為 “AudioSet-2M”。正是在這個(gè)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(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(gè)Mini版模型，適合資源受限的場(chǎng)景。該模型的參數量被壓縮到了原模型的約九分之一，遠小于其他機構的模型，但性能卻優(yōu)于其他所有機構。

這項技術(shù)的突破意味著(zhù)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備應用此項技術(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(hù)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(jià)值，有力推動(dòng)了相關(guān)研發(fā)進(jìn)程。

（小米自研聲音識別算法性能?chē)H排名第一）

小米算法應用場(chǎng)景廣泛，AI賦能惠及普通大眾

小米此次精進(jìn)后的聲音識別算法，具有極高的應用價(jià)值。它能夠廣泛應用于小米的智能設備中，大幅提升用戶(hù)的智能生活體驗。具體來(lái)說(shuō)，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(dòng)物叫聲、汽車(chē)引擎聲、爆炸聲、煙霧警報、門(mén)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(jiàn)。這可以讓硬件設備更加智能，為用戶(hù)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(lái)說(shuō)，它可以監測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(jìn)行文字推送。這讓聽(tīng)力障礙用戶(hù)得以“看見(jiàn)”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。

智能家居設備上的應用則更加廣泛。小米的聲音識別算法已經(jīng)應用于眾多的智能家居設備中，比如米家攝像頭的寶寶哭聲監測功能，它能在監測到寶寶哭聲的時(shí)候，實(shí)時(shí)向用戶(hù)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(hù)關(guān)心的家居環(huán)境聲音。小米健康APP的睡眠鼾聲監測，則可以幫助跟蹤用戶(hù)睡眠時(shí)的鼾聲夢(mèng)話(huà)。此外，針對家庭場(chǎng)景，小米還對音箱環(huán)境音的監測做了特別適配。比如為了避免一開(kāi)水龍頭就觸發(fā)通知，打擾用戶(hù)，研發(fā)人員將水流聲的識別提醒條件改為一分鐘之內多次監測到。

這項算法技術(shù)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(shí)10個(gè)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(guò)聽(tīng)覺(jué)感知6類(lèi)、45種人類(lèi)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(shí)現更強大的動(dòng)態(tài)響應能力。

小米強大的AIoT平臺生態(tài)，為這項算法技術(shù)的應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(chǎng)景推動(dòng)技術(shù)邁向應用層面，讓科技成果真正惠及普通大眾。目前，小米的聲學(xué)語(yǔ)音團隊已將自研聲學(xué)語(yǔ)音技術(shù)全面應用于小米手機、音箱、電視、耳機、手表、機器人等79個(gè)品類(lèi)，共計5000多款智能產(chǎn)品中。而小愛(ài)同學(xué)的月活躍用戶(hù)數量則達到了1.15億，是世界上最忙的語(yǔ)音助手之一。

長(cháng)期深耕底層技術(shù)，小米推動(dòng)行業(yè)前沿探索向前邁進(jìn)

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(jià)值。目前，業(yè)內已知的相關(guān)研究成果幾乎都應用到了預訓練的音頻標記模型，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，不僅充分彰顯了技術(shù)實(shí)力，更直接推動(dòng)了音頻領(lǐng)域前沿探索向前邁進(jìn)。

這是小米又一次展露出深耕底層技術(shù)的決心和實(shí)力。今年8月，小米對其科技戰略進(jìn)行了升級，提出“選擇對人類(lèi)文明有長(cháng)期價(jià)值的技術(shù)領(lǐng)域，堅持長(cháng)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(cháng)期持續投入，軟硬深度融合，AI全面賦能。

事實(shí)上，歷經(jīng)十三年的發(fā)展，小米的技術(shù)研發(fā)已經(jīng)從應用層面更多轉向了底層技術(shù)層面。其中AI領(lǐng)域是小米長(cháng)期持續投入的底層賽道之一。據悉，小米自2016年組建AI團隊以來(lái)，人工智能團隊經(jīng)過(guò)7年6次擴展，人員規模已達3000多人。同時(shí)，小米AI 技術(shù)能力也已經(jīng)覆蓋了視覺(jué)、聲學(xué)、語(yǔ)音、NLP、知識圖譜、機器學(xué)習、大模型、多模態(tài)等眾多方向，并全面賦能了手機、汽車(chē)、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，目前陸續有了一些應用嘗試。其中第一個(gè)應用大模型，就是將智能語(yǔ)音助理小愛(ài)同學(xué)升級了大模型版本，并開(kāi)啟邀請測試。這次聲學(xué)語(yǔ)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(shí)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(jìn)入了12個(gè)技術(shù)領(lǐng)域，包括5G移動(dòng)通信技術(shù)、大數據、云計算及人工智能，同時(shí)基于智能制造，進(jìn)入機器人、無(wú)人工廠(chǎng)、智能電動(dòng)汽車(chē)等，總體細分領(lǐng)域達99項。小米的技術(shù)研發(fā)還有持續的資金保障，未來(lái)五年(2022-2026)研發(fā)投入將超過(guò)1000億元。

小米還在持續通過(guò)多個(gè)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(zhuān)家工作站，攜手更多力量、匯聚更多資源進(jìn)行關(guān)鍵核心技術(shù)攻關(guān)，加強基礎性、前沿性研究和成果轉化。

（9月11日，小米集團科協(xié)成立暨院士專(zhuān)家工作站授牌儀式在京舉行）

中國科協(xié)黨組成員、書(shū)記處書(shū)記殷皓在當天的授牌儀式活動(dòng)中表示，小米集團科協(xié)的成立，體現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(kāi)放合作，共同營(yíng)造具有全球競爭力的開(kāi)放創(chuàng )新生態(tài)。

中國工程院院士丁文華成為小米院士專(zhuān)家工作站的首位進(jìn)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(shí)現了光學(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(lái)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(kāi)展關(guān)鍵技術(shù)攻關(guān)，推動(dòng)行業(yè)向前發(fā)展。

在新的科技戰略指引下，小米正朝向著(zhù)世界科技巨頭的目標銳意進(jìn)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。