Kaldi之父Daniel Povey博士：发布k2核心代码

11月15日，第五届Kaldi技术交流会在北京举办。Kaldi之父Daniel Povey博士首次亲临现场，与来自北京各大互联网公司、知名高校的开发者们深入交流下一代Kaldi社区未来的发展。

加入小米一年，Daniel Povey设计并开发出了新一代Kaldi。新一代Kaldi分成三个部分，包括核心算法部分，训练数据准备部分、示例脚本集合部分。

其中，Lhotse（训练数据准备部分）将替代以前Kaldi中所有数据准备相关的工作，操作各种音频和文本的元数据。Lhotse除了Kaldi本身，也适用于其他应用。而且Lhotse纯Python代码，方便易用。

Icefall（示例脚本集合部分）将代替Kaldi中的示例脚本集合，并独立成为一个单独的子项目。之所以要把示例脚本集合与核心算法分开，是考虑到示例脚本可能会非常庞大，且经常变动。

据介绍，新一代Kaldi的核心部分叫“k2”。k2可以让开发者很容易在PyTorch/TensorFlow中实现各种语音识别相关算法，比如CTC、LF—MMI、RNN—T、2nd—pass语言模型等，消除以往语音识别算法中训练跟解码不匹配的问题。

同时，通过k2可以非常容易实现（置信度逐渐提高的）多轮解码过程，这在以往是很难做到的。相较于其他一些语音识别库的优势，k2速度更快，通用性强（可以用来建模多种语音识别算法）。

Daniel Povey博士透露，k2核心代码已完成。约41000行代码（主要是C++），本周刚发布0.1版本。

资料显示，Daniel Povey博士目前担任小米集团语音首席科学家，由他开发和维护Kaldi 集成了多种语音识别模型，公认是业界语音识别框架的基石。