小米开源工业级目标说话人语音识别大模型 CocktailASR-1，解决鸡尾酒会难题
把一个人声从嘈杂的人群中剥离出来，人类的听觉系统做这件事毫不费力。但对 ASR 模型来说，多人同时讲话的场景至今是一个未被充分解决的难题。小米刚刚开源的 CocktailASR-1，做出了一个有意思的尝试：不是做"更好的降噪"，而是从根本上改变任务的输入——先告诉模型你要听谁说话，再让模型只输出那个人的话。 这就是目标...
来源：开源中国
说明：本站展示中文整理摘要，便于快速阅读；完整内容和版权归原站所有。
说明：本站展示中文整理摘要，便于快速阅读；完整内容和版权归原站所有。