小米语音首席科学家丹尼尔·波维当选2026 ISCA Fellow

昨日，小米技术官方账号正式宣布：语音首席科学家 Daniel Povey 荣耀当选 2026 年度 ISCA Fellow。

这项荣誉分量十足。ISCA Fellow 是国际语音通信协会（ISCA）颁发的最高学术称号，自 2007 年设立至今，全球仅有 100 余位顶尖学者获此殊荣，意义非凡。

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。他是业界唯一一位打造了行业基础设施级开源软件、在学术界与工业界均做出卓越贡献的科学家。继 2023 年当选 IEEE Fellow 后再获此殊荣，作为定义了一个时代工具、构建行业基础设施的科学家，这位“双料 Fellow”实至名归。

Daniel Povey 的国际学术与职业生涯始于英国剑桥大学。他于 2003 年获得剑桥大学博士学位，随后投身工业界，先后在 IBM T.J. Watson 研究中心和微软研究院工作了近十年时间，深耕语音识别核心技术。2019 年 11 月，他迁居北京，正式加入小米集团 AI 实验室，出任语音首席科学家。

加入小米后，Daniel 带领团队推出了全新一代 Kaldi 开源项目（包含 k2 / Lhotse / Icefall / Sherpa 四大子项目），在语音识别与语音合成方向持续取得里程碑式突破。

• Zipformer & Zapformer 编码器：Zipformer 是业界首个严格超越 Google Conformer 的语音编码器，被 ICLR 2024 接收为 Oral 论文（位列前 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与泛化能力。
• 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，基于 Qwen3 初始化），仅需 3-10 秒参考音频即可实现跨语言音色克隆，中英文 Seed-TTS / LibriSpeech-PC 基准达到 SOTA，在客观评测集下超越 MiniMax 和 ElevenLabs 等商用模型，开源仅 3 个月，Huggingface 下载量已超 500 万次。
• CR-CTC（Consistency-Regularized CTC）：被 ICLR 2025 接收，使纯 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 骨干网络，推出 ZipVoice（零样本单说话人 TTS）与 ZipVoice-Dialog（零样本对话 TTS），参数量少、推理速度快，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 Android / iOS / 嵌入式 / 服务端，被开发者誉为“智能语音领域的瑞士军刀”。