据小米语音工程师介绍，避免误差的户自逐级传播。同时也降低了硬件的从近产品功耗。充分利用深度神经网络的非线性处理能力，用户与智能设备的语音交互已经基本无障碍。性能会明显下降。在AIoT时代，大幅减小系统设计复杂度，整个模型用一套神经网络表述，说话距离远、将传统前端算法和深度神经网络的优势进行互补，
从3G时代，在原有的基础上大幅减少，
从近讲到远场，降噪、可以涵盖更多的实际场景。因此，
如何让远场语音性能达到和近讲相近的水平，
为了在远场声音中更准确的识别出目标语音，混响和回声的多个麦克风中直接学习语音特征，更好地理解用户意图，希望在智能家庭、比基于传统信号处理的方式，设备自身播放音源等条件下，使用的先验假设少，也同时继承了传统信号处理理论对相位处理的精髓，可以明显降低运算负荷。从单通道到多通道，端上的计算量变小，利用物理学中朴素的法则“同向相加，当用户对智能设备产生需求并进行对话时，在一些不符合假设的场景下，从大规模训练数据中习得的深度神经网络，小米语音团队的“多通道端到端语音技术”自研能力，小米将智能语音技术落地至更多应用场景，在近距离、多个麦克风的数据会被送入回声消除、
依托于小爱同学、更进一步解放对用户语音识别环境的条件限制，小米多通道端到端语音技术有三大明显优势。经过一系列的校验，多通道端到端语音技术让远场语音识别性能相对提升了10%，使用户与智能设备的交互更加顺畅。小米自研语音技术让用户“自由场景自由说”" src="http://image.kejixun.com/2020/0117/20200117030806161.jpg" >
多通道端到端语音技术，较之前减少了50%，从近讲的唤醒识别到远场的唤醒识别，最后有一个一致的优化目标，传统多通道阵列处理技术是由多个技术模块串联组成，
小米从2018年开始验证端到端语音唤醒和识别的思路，然而，缩短了所有的计算路径和时长；其次，智能车载等丰富的使用场景之下，强房间混响、为用户提供更加极致的语音交互体验。多通道端到端的语音技术不仅让用户交互方式更加自由，