9月13日消息，小米自研声音识别算法在音频标记（Audio Tagging）任务中取得重要进展。以公开数据集AudioSet-2M的音频数据作为训练集的音频标记模型，首次突破50 mAP的分数，此项突破标志着小米声音识别算法已在国际上性能排名第一。
据了解，Google将AudioSet数据集分为三个子集，前两个子集用于训练，被合并称为“AudioSet-2M”。正是在这个合并后的训练集中，小米的声音识别算法模型首次在业界突破了50 mAP，刷新了音频标记技术指标，成为截至目前性能最好的模型。
此外，小米还发布了一个Mini版模型，适合资源受限的场景。该模型的参数量被压缩到了原模型的约九分之一，远小于其他机构的模型，但性能却优于其他所有机构。
