小米开源Xiaomi-CocktailASR-1：攻克鸡尾酒会语音识别难题

9月11日，根据徽声在线从小米技术团队获得的最新消息，小米公司正式对外发布了其自主研发的工业级目标说话人语音识别大模型——Xiaomi-CocktailASR-1，并同步将该模型开源。这一创新成果旨在攻克长期困扰语音识别领域的“鸡尾酒会”难题，即在多人同时交谈的嘈杂环境中，精准识别并转录特定目标说话人的语音内容。Xiaomi-CocktailASR-1模型采用了先进的端到端大语言模型（LLM）架构，通过引入目标说话人的一段参考音频作为声纹特征提示，能够在复杂的多人对话场景中，实现目标语音的高精度提取与转录，为语音识别技术树立了新的里程碑。