小米AI算法能力登頂聲音識別領域高峰，AI全面賦能業(yè)務再進一步

9月13日消息，近日，小米自研聲音識別算法取得最新進展，算法模型領先其他機構，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據集，被認為是聲音領域的 ImageNet （注：計算機視覺領域最著名的數據集，由著名學者李飛飛等主持發(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50 mAP，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。

不僅如此，小米聲音識別算法下的音頻標記技術能力，還為業(yè)界的前沿研究提供了巨大的技術價值，有力推動了相關研發(fā)進程。

（小米自研聲音識別算法性能國際排名第一）

小米算法應用場景廣泛，AI賦能惠及普通大眾

小米此次精進后的聲音識別算法，具有極高的應用價值。它能夠廣泛應用于小米的智能設備中，大幅提升用戶的智能生活體驗。具體來說，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、動物叫聲、汽車引擎聲、爆炸聲、煙霧警報、門鈴聲、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。這可以讓硬件設備更加智能，為用戶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”功能來說，它可以監(jiān)測 14 種重要的環(huán)境音，包括火警、嬰兒啼哭、燒水壺聲等，并以手機通知欄進行文字推送。這讓聽力障礙用戶得以“看見”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(jiān)測功能，它能在監(jiān)測到寶寶哭聲的時候，實時向用戶手機推送通知。

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、狗叫等六種用戶關心的家居環(huán)境聲音。小米健康 APP 的睡眠鼾聲監(jiān)測，則可以幫助跟蹤用戶睡眠時的鼾聲夢話。

此外，針對家庭場景，小米還對音箱環(huán)境音的監(jiān)測做了特別適配。比如為了避免一開水龍頭就觸發(fā)通知，打擾用戶，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(jiān)測到。

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，實現更強大的動態(tài)響應能力。

小米強大的 AIoT 平臺生態(tài)，為這項算法技術的應用提供了廣闊的空間，這也是小米技術研發(fā)的先天優(yōu)勢，有豐富的場景推動技術邁向應用層面，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多款智能產品中。而小愛同學的月活躍用戶數量則達到了1.15 億，是世界上最忙的語音助手之一。

長期深耕底層技術，小米推動行業(yè)前沿探索向前邁進

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價值。目前，業(yè)內已知的相關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，為音頻領域的研究提供關鍵的音頻信息提取能力。

小米此次在音頻標記任務上的出色表現，不僅充分彰顯了技術實力，更直接推動了音頻領域前沿探索向前邁進。

這是小米又一次展露出深耕底層技術的決心和實力。今年8月，小米對其科技戰(zhàn)略進行了升級，提出“選擇對人類文明有長期價值的技術領域，堅持長期投入”的科技理念，并指出了具體路徑和原則，即深耕底層技術，長期持續(xù)投入，軟硬深度融合，AI全面賦能。

事實上，歷經十三年的發(fā)展，小米的技術研發(fā)已經從應用層面更多轉向了底層技術層面。其中 AI 領域是小米長期持續(xù)投入的底層賽道之一。據悉，小米自2016年組建AI團隊以來，人工智能團隊經過7年6次擴展，人員規(guī)模已達3000多人。

同時，小米 AI 技術能力也已經覆蓋了視覺、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、機器人等眾多業(yè)務板塊。

2023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。這次聲學語音團隊刷新行業(yè)音頻標記技術指標，再次證明了小米強大的AI實力。

從更全局的視野看，小米的技術體系已蔚然成林，研發(fā)布局進入了12個技術領域，包括5G 移動通信技術、大數據、云計算及人工智能，同時基于智能制造，進入機器人、無人工廠、智能電動汽車等，總體細分領域達99項。小米的技術研發(fā)還有持續(xù)的資金保障，未來五年（2022-2026）研發(fā)投入將超過1000億元。

小米還在持續(xù)通過多個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)暨院士專家工作站，攜手更多力量、匯聚更多資源進行關鍵核心技術攻關，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)成立暨院士專家工作站授牌儀式在京舉行）

中國科協(xié)黨組成員、書記處書記殷皓在當天的授牌儀式活動中表示，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，大力普及科學知識，拓展開放合作，共同營造具有全球競爭力的開放創(chuàng)新生態(tài)。

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。他還表示，期待與小米科技工作者團隊共同開展關鍵技術攻關，推動行業(yè)向前發(fā)展。

在新的科技戰(zhàn)略指引下，小米正朝向著世界科技巨頭的目標銳意進取。而在歷經十三年的豐厚積淀，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。

生成海報

免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。