2026年7月16日，小米技术官方账号正式宣布：小米语音首席科学家Daniel Povey当选2026年度ISCA Fellow。ISCA Fellow是国际语音通信协会（ISCA）颁发的最高学术荣誉，自2007年设立至今，全球仅百余人获此殊荣。

ISCA Fellow究竟意味着什么？简单而言，这是语音通信领域学术界的最高认可。2026年，全球仅有8位学者获此殊荣。Daniel凭借在语音识别声学建模、序列训练方法方面的创新突破，以及其开创性开源语音工具Kaldi的深远影响力，成功当选。更值得关注的是，他是这8位学者中唯一亲手创建了行业基础设施级开源软件的科学家，在学术界与工业界均具有非凡贡献。

这是Daniel自2023年当选IEEE Fellow以来获得的又一项顶级荣誉。作为一位创造了定义时代工具和行业基础设施的科学家，Daniel的“双料Fellow”头衔可谓实至名归。

Daniel的职业生涯始于剑桥大学。2003年他获得博士学位后，步入工业界，先后在IBM T.J. Watson研究中心和微软研究院工作近十年，专注于语音识别核心技术的研究。2019年11月，他移居北京，加入小米集团AI实验室，担任语音首席科学家。

加入小米后，Daniel带领团队推出了新一代Kaldi开源项目，包含k2、Lhotse、Icefall、Sherpa四大子项目，在语音识别与语音合成方向持续取得里程碑式突破：

• Zipformer & Zapformer 编码器：Zipformer是首个在性能上严格超越Google Conformer的语音编码器，被ICLR 2024接收为Oral论文，位列前1.2%的顶尖作品。2026年推出的升级版Zapformer，将识别精度进一步提升10%-15%，同时训练稳定性和泛化性也显著增强。

• OmniVoice 多语言 TTS：2026年发布的OmniVoice是一款支持600多种语言和方言的零样本语音合成模型，参数量仅0.8B，基于Qwen3初始化。用户只需提供3到10秒的参考音频，即可实现跨语言音色克隆。该模型在中英文Seed-TTS和LibriSpeech-PC基准上达到SOTA，在客观评测中甚至超越了MiniMax、ElevenLabs等商业模型。开源仅3个月，Huggingface下载量已突破500万次。

• CR-CTC（Consistency-Regularized CTC）：该成果被ICLR 2025接收，使纯CTC模型的性能达到与Transducer相当的水平，在LibriSpeech、AISHELL-1、GigaSpeech等基准上刷新了SOTA。这显著降低了ASR（自动语音识别）的训练与部署门槛。

• ZipVoice 零样本语音合成：基于Flow Matching和Zipformer骨干架构，推出了ZipVoice（零样本单说话人TTS）和ZipVoice-Dialog（零样本对话TTS）。该模型参数量少、推理速度快，即使在CPU单线程上也能实现实时合成。配套的OpenDialog数据集也已同步开源。

• 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，覆盖Android、iOS、嵌入式及服务端设备。被开发者们誉为“智能语音领域的瑞士军刀”。