【软盟资讯 · 7×24快讯】（2026年09月12日） 小米团队开源工业级目标说话人语音识别大模型CocktailASR-1，旨在攻克多人同时发言环境下的”鸡尾酒会难题”。与传统盲源分离和降噪思路不同，该模型允许用户预先指定目标说话人的声学特征，模型仅输出对应说话人的语音转录，实现”指定谁、就只听清谁”。这一方案为车载智能座舱、会议转录、复杂环境拾音等嘈杂场景提供了极具实用价值的开源声学方案，大幅降低多人嘈杂环境中的语音识别与转写门槛，便于开发者和车企在真实噪声场景中部署与二次开发。
软盟观察： CocktailASR-1破解”鸡尾酒会难题”的取巧之处，在于它不再试图把所有人的声音都分离干净——那在物理上既难又耗算力，而是换了个思路：让用户先指定’我要听谁’，模型只专注转录这一个人的声音。这个’目标说话人’的转向，恰恰是让语音识别从’实验室炫技’走向’真实场景可用’的关键。它的商业落点也很实在：车载语音、智能座舱、会议转写，全是AI语音最赚钱也最头疼的痛点。而小米选择开源，等于给整个行业的嘈杂场景语音方案开源了一个现成底座，对车载和IoT生态的带动值得期待。