小米开源Xiaomi-CocktailASR-1，攻克鸡尾酒会语音识别难题

9月11日，根据徽声在线从小米技术团队获得的最新消息，小米公司正式对外发布并开源了一款创新的工业级目标说话人语音识别大模型——Xiaomi-CocktailASR-1。这款模型是小米在语音识别领域的一次重大突破，它专门针对长久以来困扰语音识别技术的“鸡尾酒会”难题进行了优化设计。Xiaomi-CocktailASR-1采用了先进的端到端LLM（大型语言模型）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，使得模型能够在多人同时交谈、背景噪音复杂的场景下，依然能够精准地识别并仅转录出目标用户的语音内容。这一技术的实现，无疑将为语音识别技术在更多复杂场景下的应用提供有力支持。