**小米开源工业级目标说话人语音识别大模型 Xiaomi-CocktailASR-1**

> <p data-vmark="f08d"\>IT之家 9 月 11 日消息，小米技术今日发文宣布，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。</p\><p data-vmark="aafc"\>官方表示，Xiaomi-CocktailASR-1 <strong\>旨在解决“鸡尾酒会”难题</strong\>（IT之家注：当前语音识别技术已经可以以较高精度识别一个人所讲的话，但是当说话的人数为两人或者多人时，语音识别率就会极大地降低，这一难题被称为鸡尾酒会问题）。</p\><p data-vmark="d5ef"\>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。<strong\>在多个主流多说话人测试集上均达到 SOTA</strong\>，大幅领先现有方案。</p\><p data-vmark="12e3"\>同时...

**来源信息**
- **来源**：IT之家（RSS）
- **分类**：论文
- **发布时间**：2026-09-11 14:51（北京时间）
- **原文**：[打开原文](https://www.ithome.com/1/001/260.htm)