近日，小米自研聲音識別算法取得最新進展，算法模型領先其他機構，性能國際排名第一。小米是在 Google 發布的 AudioSet 音頻標記任務中獲得的這一突破。

　　它是音頻標記任務影響力最大的數據集，被認為是聲音領域的 ImageNet (注：計算機視覺領域最著名的數據集，由著名學者李飛飛等主持發布)，權威性頗高。

　　Google 將 AudioSet 數據集分為三個子集，前兩個子集用于訓練，被合并稱為 “AudioSet-2M”。正是在這個合并后的訓練集中，小米的聲音識別算法模型首次在業界突破了50 mAP，刷新了音頻標記技術指標，成為截至目前性能最好的模型。

　　此外，小米還發布了一個 Mini 版模型，適合資源受限的場景。該模型的參數量被壓縮到了原模型的約九分之一，遠小于其他機構的模型，但性能卻優于其他所有機構。

　　這項技術的突破意味著小米的聲音識別算法能力再次精進，小米的眾多智能硬件設備應用此項技術后，可以更敏銳地捕捉和識別環境聲音，大幅提升硬件的智能化程度，從而為用戶創造更加便捷的智能生活體驗。