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，小米科技正式对外发布并开源了一款创新性的工业级目标说话人语音识别大模型——Xiaomi-CocktailASR-1。这款模型的核心目标在于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，能够准确识别并转录出特定目标说话人的语音内容。Xiaomi-CocktailASR-1采用了先进的端到端LLM（大型语言模型）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，实现了在复杂声学环境下对目标语音的精准提取与转录，为语音识别技术带来了新的突破。