小米开源Xiaomi-CocktailASR-1，攻克鸡尾酒会语音识别难题

9月11日，徽声在线从小米技术官方渠道获悉，小米科技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，并宣布将该模型开源。这一创新成果主要针对长期困扰语音识别领域的“鸡尾酒会效应”难题，即如何在多人同时交谈的嘈杂环境中，准确识别并转录出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，实现目标语音的精准提取与转录，极大地提升了语音识别技术在实际应用中的准确性和实用性。