小米开源Xiaomi-CocktailASR-1：攻克“鸡尾酒会效应”难题

9月11日，根据小米技术官方发布的最新消息，小米科技正式对外推出并开源了一款名为Xiaomi-CocktailASR-1的工业级目标说话人语音识别大模型。这款模型专门针对长期困扰语音识别领域的“鸡尾酒会效应”难题而设计。所谓“鸡尾酒会效应”，即在多人同时交谈的嘈杂环境中，人类大脑能够自动聚焦并理解特定说话人的声音，而传统语音识别技术在此类场景下往往表现不佳。Xiaomi-CocktailASR-1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，即便在多人同时说话的复杂声学环境下，也能精准地识别并仅转录出目标用户的语音内容，为语音识别技术在复杂场景下的应用开辟了新的可能性。