小米开源Xiaomi-CocktailASR-1，攻克“鸡尾酒会”语音识别难题

9月11日，来自小米技术团队的最新消息显示，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。所谓“鸡尾酒会效应”，即在多人同时交谈的嘈杂环境中，人类能够轻松聚焦于特定说话人的声音，而传统语音识别技术却难以做到这一点。Xiaomi-CocktailASR-1模型采用了先进的端到端大语言模型（LLM）架构，通过引入目标说话人的一段参考音频作为声纹特征提示，能够在复杂的多人对话场景中，精准地识别并仅转录出目标用户的语音内容，从而极大地提升了语音识别的准确性和实用性。