小米技术官方账号于 7 月 16 日发布消息，确认小米语音首席科学家 Daniel Povey 已当选 2026 年国际语音通信协会（ISCA）Fellow。

ISCA Fellow 是国际语音通信协会颁发的最高学术荣誉，自 2007 年设立以来，全球仅有约 100 位学者获得此项殊荣。2026 年共有 8 位学者获此认证，Daniel Povey 因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杰出贡献而入选。他也是唯一一位创建了具有行业基础设施级影响力的开源软件，并在学术界和工业界均取得显著成就的科学家。

此次当选 ISCA Fellow，是 Daniel Povey 在 2023 年当选 IEEE Fellow 之后获得的又一项重要认可。他被誉为定义了一个时代的工具和创造行业基础设施的科学家，此次“双料 Fellow”的荣誉可谓实至名归。

Daniel Povey 的国际学术与职业生涯始于剑桥大学，他于 2003 年在该校获得博士学位。之后，他进入工业界，在 IBM T.J. Watson 研究中心和微软研究院工作了大约十年，专注于语音识别核心技术的研发。

2019 年 11 月，Daniel Povey 加入小米集团 AI 实验室，担任语音首席科学家。

加盟小米后，Daniel Povey 带领团队推出了新一代 Kaldi 开源项目，该项目包含 k2、Lhotse、Icefall 和 Sherpa 四个子项目。在语音识别和合成领域，团队取得了多项里程碑式的进展：

• **Zipformer 与 Zapformer 编码器：**Zipformer 是首个在语音识别领域超越 Google Conformer 的编码器，其相关论文被 ICLR 2024 接收为 Oral Presentation（排名前 1.2%）。升级版的 Zapformer 在 2026 年将识别精度进一步提升了 10%-15%，同时显著增强了训练稳定性和泛化能力。
• **OmniVoice 多语言 TTS：**这款零样本语音合成模型 OmniVoice（拥有 0.8B 参数，基于 Qwen3 初始化）支持超过 600 种语言和方言。仅需 3-10 秒的参考音频，即可实现跨语言音色克隆。在中英文 Seed-TTS 和 LibriSpeech-PC 基准测试中，OmniVoice 达到了当前最佳水平（SOTA），并在客观评测集上优于 MiniMax 和 ElevenLabs 等商用模型。该模型开源三个月内，在 Huggingface 上的下载量已超过 500 万次。
• **CR-CTC（Consistency-Regularized CTC）：**该技术被 ICLR 2025 接收，使得纯 CTC 模型在性能上能够媲美 Transducer 模型。在 LibriSpeech、AISHELL-1 和 GigaSpeech 等基准测试中，CR-CTC 刷新了 SOTA 记录，并显著降低了自动语音识别（ASR）的训练和部署门槛。
• **ZipVoice 零样本语音合成：**基于 Flow Matching 和 Zipformer 骨干网络，ZipVoice（零样本单说话人 TTS）和 ZipVoice-Dialog（零样本对话 TTS）被推出。这些模型参数量少、推理速度快，在 CPU 单线程下即可实现实时处理。与此配套的 OpenDialog 数据集也同步开源。
• **sherpa-onnx 全平台部署：**作为新一代 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，并覆盖 Android、iOS、嵌入式设备及服务器等多种平台。该引擎被开发者誉为“智能语音领域的瑞士军刀”。