小米語音首席科學家 Daniel Povey 當選 2026 ISCA Fellow，全球僅 100 餘人獲此殊榮

小米語音首席科學家 Daniel Povey 當選 2026 ISCA Fellow，全球僅 100 餘人獲此殊榮

IT之家 7 月 16 日報導，小米集團語音首席科學家 Daniel Povey 正式當選 2026 年度 ISCA Fellow。ISCA Fellow 是由國際語音通信協會（ISCA）授予的最高學術榮譽，自 2007 年設立以來，全球僅有 100 餘位學者獲此殊榮。2026 年共有 8 位學者入選，Daniel Povey 憑藉在語音識別聲學建模、序列訓練創新方法、開源語音工具 Kaldi 以及對全球語音通信領域的深遠貢獻脫穎而出。值得一提的是，他是唯一一位同時在學術與工業界都留下基礎設施級開源軟體的科學家，其作品影響了整個語音領域的發展軌跡。 這已經是 Daniel Povey 繼 2023 年當選 IEEE Fellow 之後，再次獲得國際頂尖學術組織的肯定。能夠同時獲得 IEEE 與 ISCA 的 Fellow 頭銜，在業界被稱為「雙料 Fellow」，象徵著他在語音辨識與語音通信領域具有跨時代的影響力。小米技術官方帳號也在博文中表示，Daniel 作為一位定義了一個時代的工具、創造行業基礎設施的科學家，這項榮譽可謂實至名歸。 Daniel Povey 的國際學術與職業生涯始於英國劍橋大學。他於 2003 年在劍橋大學取得博士學位，隨即進入工業界，先後在 IBM T.J. Watson 研究中心與微軟研究院工作了約十年時間，專注於語音識別核心技術的研發。這段經歷為他日後開創 Kaldi 開源專案、革新聲學建模方法奠定了深厚的理論與實務基礎。 2019 年 11 月，Daniel Povey 移居北京，正式加入小米集團 AI 實驗室，出任語音首席科學家。進入小米後，他帶領團隊推出新一代 Kaldi 開源專案，該專案涵蓋 k2、Lhotse、Icefall、Sherpa 四大子項目，旨在將傳統 Kaldi 的優勢與現代深度學習框架結合，打造更高效、更靈活的語音處理工具鏈。這一系列開源成果不僅延續了 Kaldi 在學術界的影響力，更進一步推進了語音技術在工業界的落地。 在語音編碼器方面，Daniel 團隊先後推出了 Zipformer 與 Zapformer。Zipformer 是首個嚴格超越 Google Conformer 的語音編碼器，被 ICLR 2024 接收為 Oral 論文（前 1.2%），在語音辨識效率與精度上取得顯著突破。2026 年推出的升級版 Zapformer，則將辨識精度再提升 10% 至 15%，大幅增強了訓練穩定性與泛化能力，展現出新一代編碼器的強大潛力。 在語音合成領域，Daniel 團隊於 2026 年發布了 OmniVoice 多語言語音合成模型。該模型支援超過 600 種語言與方言的零樣本語音合成，參數量為 0.8B，並以 Qwen3 初始化。使用者僅需 3 至 10 秒的參考音頻，即可跨語言複製音色。在中英文 Seed-TTS 與 LibriSpeech-PC 基準測試中，OmniVoice 達到當前最佳水準，在客觀評測上超越 MiniMax 與 ElevenLabs 等商用模型。開源後僅三個月，其在 Hugging Face 上的下載量已超過 500 萬次，顯示出強大的社群吸引力。 在辨識架構方面，Daniel 團隊提出了 CR-CTC（Consistency-Regularized CTC），被 ICLR 2025 接收。該方法讓純 CTC 模型的辨識性能比肩 Transducer 架構，並在 LibriSpeech、AISHELL-1、GigaSpeech 等主流基準上刷新了最佳成績，顯著降低了自動語音辨識系統的訓練與部署門檻，為業界提供了更具效率的替代方案。 此外，團隊還開發了 ZipVoice 零樣本語音合成系列，包括 ZipVoice（零樣本單說話人 TTS）與 ZipVoice-Dialog（零樣本對話 TTS）。這些模型基於 Flow Matching 與 Zipformer 骨幹設計，參數量少、推理速度快，即使在 CPU 單線程上也能達到即時運行，同時搭配開源的 OpenDialog 數據集，進一步降低了語音合成研究的進入門檻。 在部署層面，新一代 Kaldi 的端雲一體推理引擎 sherpa-onnx 支援高通、昇騰、瑞芯微等主流 NPU，覆蓋 Android、iOS、嵌入式系統與伺服器端，被開發者譽為「智慧語音領域的瑞士軍刀」。這套全平台解決方案讓語音辨識與合成能力可以輕鬆整合到各類裝置中，加速了語音技術的普及與應用。 Daniel Povey 從劍橋大學起步，歷經 IBM 與微軟的工業洗禮，再到小米帶領團隊開創新一代 Kaldi 生態，其每一步都對全球語音技術發展產生了深遠影響。如今，他同時擁有 IEEE Fellow 與 ISCA Fellow 兩項頂尖榮譽，不僅是個人學術生涯的巔峰，也代表著華人科技企業在國際語音研究領域佔據了重要席位。