小米(01810.HK) 正式發布並開源工業級目標說話人語音識別大模型Xiaomi-CocktailASR-1，旨在解決「雞尾酒會」難題。該模型採用端到端LLM架構，以目標說話人的一段參考音頻作為聲紋提示，可在多人同時說話的複雜環境中，精準提取並僅轉錄目標用戶的語音。在多個主流多說話人測試集上均達到SOTA，大幅領先現有方案。同時，其單人識別性能比肩標準ASR模型，可無縫兼顧單人說話場景；具備拒識...
網頁鏈接小米(01810.HK) 正式發布並開源工業級目標說話人語音識別大模型Xiaomi-CocktailASR-1，旨在解決「雞尾酒會」難題。該模型採用端到端LLM架構，以目標說話人的一段參考音頻作為聲紋提示，可在多人同時說話的複雜環境中，精準提取並僅轉錄目標用戶的語音。在多個主流多說話人測試集上均達到SOTA，大幅領先現有方案。同時，其單人識別性能比肩標準ASR模型，可無縫兼顧單人說話場景；具備拒識...
網頁鏈接免責聲明：投資有風險，本文並非投資建議，以上內容不應被視為任何金融產品的購買或出售要約、建議或邀請，作者或其他用戶的任何相關討論、評論或帖子也不應被視為此類內容。本文僅供一般參考，不考慮您的個人投資目標、財務狀況或需求。TTM對信息的準確性和完整性不承擔任何責任或保證，投資者應自行研究並在投資前尋求專業建議。