对话Kaldi之父、小米首席语音科学家Daniel Povey：开源环境比金钱和荣誉更吸引我 | AGI技术50人

Daniel Povey，被誉为“Kaldi之父”的语音识别专家，近日在接受采访时表示：“开源环境比金钱和荣誉更吸引我。”这句话道出了这位AI领域顶尖科学家对开源文化的执着追求。

Povey的开源理念深深植根于他的职业生涯。2009年，他在约翰霍普金斯大学夏季研讨会结束后，决定开发一个工具包来普及正在研究的想法，Kaldi由此诞生。这个开源项目在最初的研讨会大约两年后终于完成，迅速成为业界语音识别框架的基石。据称，有关介绍Kaldi的论文被引用7000多次，Povey博士的论文也被引用了4万多次。

Kaldi的成功不仅体现在学术引用上，更在于其广泛的应用。自2011年发布以来，成千上万的人下载了Kaldi，几乎所有的语音团队都在使用Kaldi引擎来开发智能解决方案，包括MIT、哈佛、清华、微软、谷歌、Facebook等顶尖机构。Povey表示，他开发Kaldi的初心是“创建一个语音识别研发平台，使大学研究人员和小公司能够获得与大公司一样好的效果。”

Kaldi的开源模式为AI领域树立了典范。它不仅促进了技术的快速传播和广泛应用，还形成了一个活跃的开发者社区。Povey透露，直到今天，仍有人在Kaldi上贡献代码。这种持续的社区参与，是开源项目生命力的源泉。

然而，随着深度学习技术的飞速发展，Povey也看到了Kaldi的局限性。他意识到，Kaldi很难跟上深度神经网络库cuDNN等现代工具和模型架构的最新发展。因此，他决定开发新一代Kaldi，以适应新的应用场景和技术趋势。

新一代Kaldi由k2、Lhotse和Icefall三个独立项目组成，是一个全新的代码库，完全重新编写，主要由C++和CUDA完成，并可以在Python调用。Povey特别强调，新一代Kaldi与PyTorch兼容，可以从机器学习的最新发展中获益，并且代码更容易修改，比原来的Kaldi代码库灵活得多。

Povey对开源的坚持，反映了他对AI技术发展的深刻洞察。他认为，开源项目可以让很多人使用，并共同参与贡献，从而产生深远的影响。相比之下，闭源项目很难实现这样的广泛参与和持续创新。

然而，开源并非没有挑战。Povey在选择加入小米时，就考虑到了公司对开源的态度。他透露，除了小米，也有其他大型互联网公司希望他能加入，但他担心有些公司会在起初保证项目的开源，但过一两年后改变主意。选择小米是因为它是一家稳定的公司，同时也表现出对开源的重视，并承诺可以在这里一直做开源项目。

Povey的经历启示我们，在AI技术快速发展的今天，开源文化仍然具有不可替代的价值。它不仅能够加速技术的传播和应用，还能形成一个开放、协作的创新生态。在这个生态中，大公司、小企业和学术机构都能平等参与，共同推动技术的进步。

正如Povey所说：“开源对每个人都有帮助，无法想象现代机器的发展离开开源的样子。”在AI时代，开源精神或许正是推动技术普惠、促进公平竞争的关键力量。