2018年11月28日，第六屆中國網絡視聽大會在成都盛大召開，大會以“凝心聚力 創造美好新視界”為主題，邀請300余位重量級業界嘉賓進行分享交流。11月30日下午,由金山云承辦的“AI賦能 俯瞰視界”人工智能應用發展論壇上，小米人工智能與云平臺語音總監王育軍做了題為《語音技術在小米》的演講，介紹了小米是如何運用人工智能，讓語音技術快速成長的，以及在這個過程中，又實現了怎樣的產品和算法創新。

圖為 小米人工智能與云平臺語音總監王育軍
 

在演講的開始，王育軍首先感謝了小米公司，因為對于做語音的人來說，小米有最多的語音用戶場景，每天有大量的語音的需求和數據。
 

小米的“ABC”業務
 

王育軍表示：“說到人工智能電視就不得不提語音，因為它是電視的基礎。去年3月,小愛同學已經應用在電視上, 如今小愛同學不僅是單純的音箱，還是人工智能的載體，我們內部管它叫人工智能的OS。”
 

據王育軍介紹：“從2012年的大數據云服務到2017的人工智能，小米的業務主要是圍繞人工智能，大數據、云技術，簡稱ABC。”目前小米在線活躍的智能設備數有1.32億，線下的小米之家遍布世界，僅在國內就有超過500家的小米之家。
 

小米的語音識別業務
 

小米從去年2月份開始成立語音組，首先研究的就是語音識別。王育軍表示：“我們結合小米數據的特點，不斷迭代線上的語音識別數據模型，并在11月份把大部分語音場景接入小愛同學，同時跟金山云和英偉達合作把線上的服務都GPU化。”
 

關于小米語音識別和電視，王育軍表示：“我們做語音的有一句話：得電視者得語音，因為電視的場景特別窄，而想要把電視做好，有兩個關鍵模型，一是聲學模型，一個是語音模型。我們把用戶習慣的搜索數據進行改變，就成了語音模型的材料，這些可以形成種子模型。”
 

有了種子模型、電視模型之后，小米把目光放在了手機場景上，王育軍表示：“因為手機是近場的設備，我們可以通過手機了解和獲取用戶的說話習慣和發音習慣。沿著這個思路我們把語音的業務擴展到兒童，因為在節假日期間，電視的觀看用戶有50%的是兒童。”
 

小米遵循的開發模式
 

目前小米內部遵循的開發模式還是一個測試集，這個測試集對于已經上線的產品會從線上隨機抽取線上的語音請求進行測試。由于它是隨機抽取的，它真實反應了大部分用戶的說話習慣和線上大部分用戶的請求分布。在這個測試集上，語音識別業務和語音喚醒業務，把測試集的準確率做高，任務就會做高。王育軍表示：“有了這個測試集之后我們會搜集數據把它放到群里邊進行迭代，最后模型迭代的結果會檢測出結果是否可行，整個過程大概是6個月。”
 

據王育軍介紹：“對于端對端的喚醒來說，我們在訓練的時候會把注意力放在朝向用戶的麥克風上，即把注意力放在熟知的說話人身上。對于噪聲抑制，我們會放到噪聲干擾小的格子上。說話人自適應是老技術，因為在小米有大量的用戶場景。對于沒有上線的業務，我們有大量的米粉自愿幫助我們做大量的實驗。”
 

在演講的最后，王育軍表示：“我們做項目交互的同時一直把注意力放在研究上，一邊做業務一邊做研究是非常難的，但我們會一直持續這樣的模式。”