赛事深度解析

7 月 16 日消息，@小米技术 官方账号今天（7 月 16 日）发布博文，宣布小米语音首席科学家 Daniel Povey 当选 2026 ISCA Fellow。

IT之家援引博文介绍，ISCA Fellow 是国际语音通信协会（ISCA）授予的最高学术荣誉，自 2007 年设立以来全球仅 100 余人获此殊荣。

2026 年全球共 8 位学者当选，Daniel 凭借其在语音识别声学建模、序列训练创新方法、开源语音工具 Kaldi 以及对全球语音通信领域的深远贡献成功入选，是唯一一位创建了行业基础设施级开源软件，在学术和工业界都有突出贡献的科学家。

这是继 2023 年当选 IEEE Fellow 后再获殊荣，作为一个定义了一个时代的工具和创造行业基础设施的科学家，Daniel“双料 Fellow”实至名归。

Daniel Povey 的国际学术与职业生涯始于剑桥大学。他于 2003 年在剑桥大学获得博士学位，随后进入工业界，先后在 IBM T.J. Watson 研究中心和微软研究院工作了约十年时间，深耕语音识别核心技术。

Daniel 于 2019 年 11 月移居北京，加入小米集团 AI 实验室，出任语音首席科学家。

加入小米后，Daniel 带领团队推出了新一代 Kaldi 开源项目（包含 k2 / Lhotse / Icefall / Sherpa 四大子项目），在语音识别与合成方向持续取得里程碑式进展：

• Zipformer & Zapformer 编码器：Zipformer 是首个严格超越 Google Conformer 的语音编码器，被 ICLR 2024 接收为 Oral 论文（前 1.2%）；2026 年升级版 Zapformer 将识别精度再提升 10%-15%，大幅增强训练稳定性和泛化性。

• OmniVoice 多语言 TTS：2026 年发布支持 600+ 语言 / 方言的零样本语音合成模型 OmniVoice（0.8B 参数，Qwen3 初始化），仅需 3-10 秒参考音频即可跨语言克隆音色，中英文 Seed-TTS / LibriSpeech-PC 基准达 SOTA，在客观评测集下超越 MiniMax 和 ElevenLabs 等商用模型，开源 3 个月，Huggingface 下载量超 500 万次。

• CR-CTC（Consistency-Regularized CTC）：被 ICLR 2025 接收，让纯 CTC 模型性能比肩 Transducer，在 LibriSpeech / AISHELL-1 / GigaSpeech 等基准上刷新 SOTA，显著降低 ASR 训练与部署门槛。

• ZipVoice 零样本语音合成：基于 Flow Matching + Zipformer 骨干，推出 ZipVoice（零样本单说话人 TTS）与 ZipVoice-Dialog（零样本对话 TTS），参数量少、推理快，CPU 单线程可达实时，配套 OpenDialog 数据集同步开源。

• sherpa-onnx 全平台部署：新一代 Kaldi 的端云一体推理引擎 sherpa-onnx，支持高通 / 昇腾 / 瑞芯微等主流 NPU，覆盖 / iOS / 嵌入式 / 服务端，被开发者称为“智能语音领域的瑞士军刀”。