觀點網訊:9月11日,據小米技術消息,小米正式發佈並開源工業級目標說話人語音識別大模型Xiaomi-CocktailASR-1。

據介紹,Xiaomi-CocktailASR-1旨在解決“雞尾酒會”難題。該模型採用端到端LLM架構,以目標說話人的一段參考音頻作為聲紋提示,可在多人同時說話的複雜環境中,精準提取並僅轉錄目標用戶的語音。