近日，小米自研声音识别算法取得最新进展，算法模型领先其他机构，性能国际排名第一。小米是在 Google 发布的 AudioSet 音频标记任务中获得的这一突破。它是音频标记任务影响力最大的数据集，被认为是声音领域的 ImageNet （注：计算机视觉领域最著名的数据集，由著名学者李飞飞等主持发布），权威性颇高。
Google 将 AudioSet 数据集分为三个子集，前两个子集用于训练，被合并称为 “AudioSet-2M”。正是在这个合并后的训练集中，小米的声音识别算法模型首次在业界突破了50 mAP，刷新了音频标记技术指标，成为截至目前性能最好的模型。此外，小米还发布了一个 Mini 版模型，适合资源受限的场景。该模型的参数量被压缩到了原模型的约九分之一，远小于其他机构的模型，但性能却优于其他所有机构。
这项技术的突破意味着小米的声音识别算法能力再次精进，小米的众多智能硬件设备应用此项技术后，可以更敏锐地捕捉和识别环境声音，大幅提升硬件的智能化程度，从而为用户创造更加便捷的智能生活体验。
不仅如此，小米声音识别算法下的音频标记技术能力，还为业界的前沿研究提供了巨大的技术价值，有力推动了相关研发进程。
（9月11日，小米集团科协成立暨院士专家工作站授牌仪式在京举行）
中国科协党组成员、书记处书记殷皓在当天的授牌仪式活动中表示，小米集团科协的成立，体现了小米集团高管对科技创新工作的高度重视。他指出，期待小米集团科协充分发挥资源优势，大力普及科学知识，拓展开放合作，共同营造具有全球竞争力的开放创新生态。
中国工程院院士丁文华成为小米院士专家工作站的首位进站院士。他指出，在以手机镜头为代表的成像技术领域，小米实现了光学镜头小型化的重大突破，是行业的佼佼者。小米已经牵头成立了智能图像处理北京市工程研究中心，他希望未来能够努力升级为国家工程研究中心。他还表示，期待与小米科技工作者团队共同开展关键技术攻关，推动行业向前发展。
在新的科技战略指引下，小米正朝向着世界科技巨头的目标锐意进取。而在历经十三年的丰厚积淀，又汇聚起强大外部科研力量后，小米势必迸发出更加强劲的创新活力。
原创文章，作者：科技观察者，如若转载，请注明出处：https://www.kejixun.co/article/581230.html
