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，小米公司正式对外发布并开源了一款名为Xiaomi-CocktailASR-1的工业级目标说话人语音识别大模型。这款模型的核心目标在于攻克业界著名的“鸡尾酒会”难题——即在多人同时交谈、背景噪音复杂的场景下，实现精准识别并转录特定目标说话人的语音内容。Xiaomi-CocktailASR-1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，能够在嘈杂环境中高效、准确地分离出目标用户的语音信号，并完成高质量的转录工作。