小米开源Xiaomi-CocktailASR-1，攻克语音识别难题

在9月11日这一天，根据小米技术官方发布的最新消息，小米公司正式对外推出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，并且决定将该模型开源，供广大开发者与研究机构使用。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特定目标说话人的语音。Xiaomi-CocktailASR-1模型采用了先进的端到端大语言模型（LLM）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，能够在复杂的多人对话场景中，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。