小米(01810.HK) 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，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。在多个主流多说话人测试集上均达到SOTA，大幅领先现有方案。同时，其单人识别性能比肩标准ASR模型，可无缝兼顾单人说话场景；具备拒识...
网页链接小米(01810.HK) 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，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。在多个主流多说话人测试集上均达到SOTA，大幅领先现有方案。同时，其单人识别性能比肩标准ASR模型，可无缝兼顾单人说话场景；具备拒识...
网页链接免责声明：投资有风险，本文并非投资建议，以上内容不应被视为任何金融产品的购买或出售要约、建议或邀请，作者或其他用户的任何相关讨论、评论或帖子也不应被视为此类内容。本文仅供一般参考，不考虑您的个人投资目标、财务状况或需求。TTM对信息的准确性和完整性不承担任何责任或保证，投资者应自行研究并在投资前寻求专业建议。