小米开源 Xiaomi-CocktailASR-1，聚焦目标说话人语音识别

Xiaomi-CocktailASR-1 可通过参考语音在多人混合音频中转录目标说话人，并支持目标缺失时拒识和可选推理模式。

小米研究团队公开了 Xiaomi-CocktailASR-1。该目标说话人语音识别模型使用参考语音作为声纹提示，可在单人或多人混合音频中只转录指定说话人，无需先做语音分离。

模型还支持目标说话人缺失时输出空文本的拒识能力，以及可选的推理模式。代码仓库采用 Apache 2.0 许可证，模型定义和权重通过 Hugging Face 提供；论文中的性能数字属于作者在所列数据集上的实验结果。