怒拒 Facebook 后，传奇语音大牛、Kaldi 之父将加盟小米

2019 年 10 月 18 日 新智元

AI WORLD 2019 世界人工智能峰会今日开幕！

10 月 18 日，2019 中关村论坛平行论坛 ——AI WORLD 2019 世界人工智能峰会在北京启幕。峰会由海淀区政府、中关村科学城管委会主办，新智元、海淀园管委会、智源研究院承办。新智元杨静、科大讯飞胡郁、微软王永东、华为王成录、英特尔宋继强、旷视及智源学者孙剑、滴滴叶杰平、AWS 张峥、依图颜水成、地平线黄畅、autowise.ai 黄超等重磅嘉宾中关村论剑，重启充满创新活力的 AI 未来。峰会现场，新智元揭晓 AI Era 创新大奖，并重磅发布 AI 开放创新平台和献礼新书《智周万物：人工智能改变中国》。峰会多平台同步直播，马上观看：

【腾讯科技】

客户端：https://view.inews.qq.com/a/TEC2019101600718500

PC 端：http://v.qq.com/live/p/topic/74606/preview.html

【海淀融媒】

上午场：m.365yg.com/i6748195040323062540/

下午场：m.365yg.com/i6748216659368184584/

【新浪科技】

http://video.sina.com.cn/l/p/1728577.html

新智元报道

编辑：鹏飞、张佳

【新智元导读】由于一场学生闹剧被约翰·霍普金斯大学开除的语音大牛、语音识别开源工具Kaldi之父Daniel Povey的新动向近日终于明晰：他将加盟小米公司。你对Dan加入小米怎么看？欢迎来新智元 AI 朋友圈与大咖一起讨论～

近日，国际语音识别领域的大神级人物、前约翰·霍普金斯大学教授、语音识别开源工具 Kaldi 的开发者 Daniel Povey 的新动向终于明晰了：他将加盟小米公司。

Daniel Povey在个人Twitter上宣布，他已经非常接近与小米签订一项工作协议，工作地点位于北京；他还表示将在2019年底动身前往北京，并将在那里组建一个小团队，开发新一代的“PyTorch-y” Kaldi。

Daniel Povey的推特

今年8月，Dan Povey 因一场学生闹剧被约翰·霍普金斯大学解雇。

Dan Povey

Facebook 马上向 Dan Povey 伸出橄榄枝，Dan 接受了。

但 Facebook 表示暂时只能给 Dan 6 个月的 “合同工” 合约，直到完成对所发生的事情的调查，并将根据调查结果决定是否正式聘请。

Dan 拒绝了，并讽刺 Facebook 的所作所为让他感觉 “déjà vu（似曾相识）”。

Dan 随后在个人主页上汇报，他计划去一家中国公司工作，并且 “或许会在一所中国大学兼职”。

消息一出，国内学界业界颇为兴奋，纷纷猜测大神将去哪儿。

现在，Dan Povey 的新工作终于明晰：这家中国公司，就是小米。

目前尚不知道Dan将在小米从事哪方面的工作，不过，从双方的情况来看，Dan在小米应该会继续从事语音方面的研究，帮助推动小米旗下语音平台 —— 小爱同学的发展。

语音界传奇 Dan，开发 Kaldi 撑起语音识别开源软件半边天

非语音方向的读者可能不熟悉 Dan Povey，在语音界，Dan Povey 可以说是一个传奇。

Dan Povey 是语音界赫赫有名的大佬，根据 LinkedIn 的信息，自 2012 年以来，他一直在约翰・霍普金斯大学担任助理研究教授。在加入霍普金斯大学之前，他曾在微软和 IBM 担任研究员。

略扫一遍知乎上的讨论，我们发现，Dan 教授在学生中有着极高的声誉，他的一堆 “标签” 甚至让路人圈粉。

他曾经的学生说：“Dan 是我见过的最纯粹耿直善良的 researcher，不仅学术水平极佳，至今仍居 coding 一线，灵感来了写代码写到不舍昼夜，仅靠一个土豆维生。”

工作狂 ：Dan 是个工作狂，据称，他每天工作 14 小时以上，除了回复邮件，就是在写代码；

热心：关心学生、主动兼任维护服务器、出来开会曾为了帮助穷学生而 share 旅馆，甚至经常给无家可归者钱；

纯粹：他的理想是 “干掉” Nuance（一家早期非常有名的语音识别公司），给大家提供免费的语音识别工具。这让他在并不十分美好的巴尔的摩一呆就是 7 年，全心地开发和维护 Kaldi；Kaldi 的论坛上，几乎每个帖子都能得到回复，Dan 回复邮件几乎是有求必应。

……

Dan Povey 最著名的工作是领导开发了 Kaldi ，这是一个开源的语音识别工具包，在 Apache 许可下免费提供。

Kaldi 旨在为语音识别开发者提供灵活、可扩展的软件，支持线性 linear transforms、MMI、 boosted MMI 和 MCE 判别训练、特征空间判别训练和深度神经网络，并且已经提供 TensorFlow 集成。

关于 Kaldi 名字的来源，据说 Kaldi 是传说中发现咖啡的咖啡之神的名字，Dan 希望工具包像咖啡那样容易、方便、流行。

现在，Kaldi 已经成为最广泛使用的开源语音识别工具包之一，许多语音识别团队都依靠 Kaldi。这套工具包自 2011 年发布以来，下载量已经超过了两万多次，合著的论文目前也已经被引用一千多次。可以说 Kaldi 撑起了语音识别开源软件的半边天。

Kaldi 的影响是巨大的，它是第一个完全用 C++ 编写的，基于加权有限状态及理论的语音识别开源软件，它的模块化与高度可扩展性设计，详细的说明文档，完备公开的教程，也是它受广大开发者喜爱的一个主要原因。

它目前被业界广泛采用作为标准工具，包括学术界的 MIT、CMU、GHU、剑桥，国内的清华、上海交大等等，工业界包括微软、谷歌、IBM，Facebook 等等，它的推出也极大推进整个语音识别领域的发展。

有趣的是，Dan Povey 也是剑桥大学语音识别工具包 HTK 的作者之一，他是领导 HTK 工具包开发的 Phil Woodland 教授的学生。经过若干年的发展，Kaldi 集成的技术已经多于 HTK，老师开发了第一代语音识别开源软件，学生开发了第二代语音识别开源软件。

一场学生闹剧令语音大牛遭解雇：教授深夜闯入，只为夺回服务器

语音界大佬愤而出走，怒拒 Facebook转投中国，缘起于一次 “为了夺回服务器” 的反抗，以及因此发生的一场闹剧式的解雇风波。

事情生在 5 月 7 日的午夜，Dan Povey 带着一把断线钳，试图趁着夜黑风高闯入被抗议的学生占领的行政楼，夺回 CLSP（语言语音处理中心）维护的服务器的控制权。

被学生占领的 Garland Hall 外墙

在这之前，行政楼 Garland Hall 已经被静坐抗议的学生占领长达 34 天，他们将窗户封紧，大门用铁链锁上。

但 Dan 负责维护的 CLSP 的服务器在大楼里，在试图向学校申请进入大楼维护服务器无果之后，他决定阻止这场抗议。

Dan 以工作狂闻名，他的学生 Guoguo Chen 在知乎上说：“这么些年和 Dan 接触下来，感觉有两个点是不能触碰的，一个是时间，一个是服务器。”

Guoguo Chen 说：“Dan 还有一个不能接受的便是服务器的不稳定。Dan 在很多事情上都比较宽容，但是如果谁乱用了服务器的资源，会收到 Dan 非常严厉的警告。Dan 觉得数据和计算资源，对整个 CLSP 来说，都是非常非常重要的资产，需要随时保证 CLSP 的每一个人都可以使用到。我相信这也是为什么 Dan 在这次事件中，会试图夺回服务器，避免数据和及其资源的损失。”

根据当地报纸的报道，那天夜里，在其他六名 “社会闲散人士” 的陪同下，Dan 携带钳子前往大楼，费力地试图剪断抗议学生在门上绑的铁链，夺回服务器的控制权。