小米开源 CocktailASR-1：锁定单一目标说话人的语音识别 SOTA
solyarisoftware · x · 2026-09-17
小米发布目标说话人语音识别大模型 Xiaomi-CocktailASR-1，通过参考声纹从混合音频中定位并只转写目标人声，开源在 GitHub。
- 多说话人 SOTA：在 AliMeeting、AMI、LibriMix 等测试集上达到最优，LibriMix 2mix WER 4.11%，大幅优于 Qwen3-ASR（68.75%）、Gemini（48.41%）等
- 单说话人兼容：同一模型兼顾单人与多人场景，性能可比普通 ASR
- 负样本拒识：对非目标说话人音频零误触发
- 思维链推理：对识别过程提供可解释推理
- 支持中英文
「模型」频道最新
- Similarweb：Claude 升级页流量 9 月回升至 1760 万，逼近 5 月峰值 — firstadopter · 2026-11-02
- 开源 GLiNER-PII 单卡 550ms 抓出病历 13 项身份标识,仍漏医院名 — MaziyarPanahi · 2026-11-02
- 用户吐槽 OpenAI Dots 越用越臃肿,转投新工具 Muse 称体验干净透明 — Koala_Confused · 2026-11-02
- Fable 5.5 被曝一行代码一次通过生成动画，Anthropic 押注编程意外切入动画赛道 — Hesamation · 2026-11-02
- 一个 agent 目标连续跑了 4 天，烧掉 3 万赠额 token — CtrlAltDwayne · 2026-11-02
- 每日 AI 简报：Gemini 4 Carbon 疑现身 Arena，DeepSeek 开源编码 agent — testingcatalog · 2026-11-02