小米がオープンソースした産業向けのターゲットスピーカー音声認識大規模モデル CocktailASR-1

小米がオープンソースした産業向けのターゲットスピーカー音声認識大規模モデルCocktailASR-1は、複数人が同時に話すパーティー場面の課題に焦点を当てています。このモデルは従来のASRタスクの入力方法を変更し、騒がしい環境でも正確にターゲットスピーカーの音声を特定・認識することができ、複雑なシナリオでの認識能力を向上させ、業界に新たな解決策を提供します。