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取的最新消息，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，并且宣布将该模型开源。这一创新成果主要针对的是长久以来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，如何准确识别并转录出特定目标说话人的语音。Xiaomi-CocktailASR-1模型采用了先进的端到端LLM（大型语言模型）架构，它通过接收目标说话人的一段参考音频作为声纹特征提示，能够在复杂的语音环境中，精准地捕捉并仅转录出目标用户的语音内容，极大地提升了语音识别的准确性和实用性。