小米推出开源工业级语音识别模型Xiaomi-CocktailASR-1

在9月11日这一天，根据小米技术官方发布的最新消息，小米科技正式对外宣布推出并开源了一款名为Xiaomi-CocktailASR-1的工业级目标说话人语音识别大模型。这款模型是小米针对长期存在的“鸡尾酒会”难题而精心研发的。所谓“鸡尾酒会”难题，即在多人同时交谈的嘈杂环境中，如何准确识别并转录出特定目标说话人的语音。Xiaomi-CocktailASR-1采用了先进的端到端大语言模型（LLM）架构，它能够通过目标说话人提供的一段参考音频作为声纹特征提示，在复杂的多人交谈场景中，实现目标用户语音的精准提取与转录，大大提升了语音识别的准确性和实用性。