小米发布并开源Xiaomi-CocktailASR-1

ソースが報告している内容

PANews 9月11日消息，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。