小米开源Xiaomi-CocktailASR-1破解鸡尾酒会效应难题

9月11日，根据徽声在线科技板块的最新报道，小米科技公司正式对外宣布，其自主研发的工业级目标说话人语音识别大模型——Xiaomi-CocktailASR-1，现已正式发布并同步开源。这一创新成果，主要针对长期困扰语音识别领域的“鸡尾酒会效应”难题提出了解决方案。Xiaomi-CocktailASR-1模型巧妙地运用了端到端的大型语言模型（LLM）架构，通过引入目标说话人的一段参考音频作为独特的声纹特征提示，即便在多人同时交谈、背景噪音复杂的场景下，也能实现目标用户语音的精准捕捉与转录，大大提升了语音识别的准确性和实用性。