📖 AI 总结

小米开源了工业级目标说话人语音识别大模型 CocktailASR-1，旨在解决多人同时讲话场景下的“鸡尾酒会难题”。与传统降噪思路不同，该模型从根本上改变了任务输入方式：先指定要识别的目标说话人，再让模型仅输出该人的语音内容，从而实现精准的目标语音识别。这一尝试为长期困扰 ASR 模型的多说话人场景提供了新的技术路径，也体现出小米在语音识别领域从应用层向底层模型能力延伸的布局。作为工业级开源模型，CocktailASR-1 有望推动目标说话人识别技术在实际场景中的落地，对语音交互、会议转录等应用具有参考价值。