小米开源Xiaomi-CocktailASR-1，攻克鸡尾酒会语音识别难题

在9月11日这一天，根据小米技术官方发布的最新消息，小米公司正式对外公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。这款模型是小米在语音识别领域的一项重要突破，其核心目标在于攻克长久以来困扰业界的“鸡尾酒会”难题。所谓“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出特定目标说话人的语音。Xiaomi-CocktailASR-1模型采用了先进的端到端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，能够在复杂的语音环境中，精准地定位并仅转录出目标用户的语音内容，从而大大提高了语音识别的准确性和实用性。