AI 行业资讯 - Xiaomi-CocktailASR-1

小米开源语音识别大模型，可在多人对话中精准提取目标说话人

小米技术宣布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，该模型采用端到端 LLM 架构，以参考音频作为声纹提示，可在多人同时说话环境中精准提取目标用户语音，在多个主流多说话人测试集上达到 SOTA，并支持思维链推理模式。