小米正式发布并开源工业级目标说话人语音识别大模型 Xiaomi-CocktailASR-1。据小米技术介绍，Xiaomi-CocktailASR-1 旨在解决“鸡尾酒会”难题。该模型采用端到端LLM架构，以目标说话人的一段参考音频作为声纹提示，可在多人同时说话的复杂环境中，精准提取并仅转录目标用户的语音。
同时，其单人识别性能可无缝兼顾单人说话场景；具备拒识非目标说话人干扰语音的能力，目标不在场时输出空文本，有效避免误触发；此外还支持思维链推理模式，为识别结果提供可解释推理过程。
小米正式发布并开源工业级目标说话人语音识别大模型 Xiaomi-CocktailASR-1
“特别声明：以上作品内容(包括在内的视频、图片或音频)为凤凰网旗下自媒体平台“大风号”用户上传并发布，本平台仅提供信息存储空间服务。
Notice: The content above (including the videos, pictures and audios if any) is uploaded and posted by the user of Dafeng Hao, which is a social media platform and merely provides information storage space services.”