小米于9月11日发布并开源了语音识别模型 Xiaomi-CocktailASR-1。

据 PANews 报道,9 月 11 日,小米发布并开源了 Xiaomi-CocktailASR-1,这是一款工业级目标说话人语音识别模型。该模型通过利用端到端 LLM 架构,将目标说话人的参考音频作为声纹提示,解决了鸡尾酒会问题,从而能够在多说话人环境中准确提取并转录目标用户的语音。
免责声明:本页面信息可能来自第三方,仅供参考,不代表 Gate 的观点或意见,亦不构成任何财务、投资或法律建议。数字资产交易风险较高,请勿仅依赖本页面信息作出决策。具体内容详见声明。
评论
0/400
暂无评论