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取的最新消息，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长久以来困扰语音识别领域的“鸡尾酒会”难题，即在多人同时交谈、背景噪音复杂的场景下，准确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，能够在嘈杂环境中精准定位并仅转录出目标用户的语音，为语音识别技术带来了革命性的突破。