PANews 9月11日の報道によると、小米は正式に産業用ターゲット話者音声認識大規模モデルXiaomi-CocktailASR-1を発表し、オープンソース化しました。説明によると、Xiaomi-CocktailASR-1は「カクテルパーティー問題」を解決することを目的としています。このモデルはエンドツーエンドのLLMアーキテクチャを採用し、ターゲット話者の参照音声を声紋の手がかりとして使用することで、複数人が同時に話す複雑な環境において、ターゲットユーザーの音声を正確に分離し、文字起こしします。