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。
據小米技術9月11日消息,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,該模型採用端到端LLM架構,旨在解決“雞尾酒會”難題。
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。
免責聲明:本文内容與數據由觀點根據公開信息整理,不構成投資建議,使用前請核實。