Xiaomi phát hành mô hình nhận dạng giọng nói mã nguồn mở CocktailASR-1

TREE NEWS thông tin: Xiaomi đã phát hành và mở mã nguồn Xiaomi-CocktailASR-1, một mô hình lớn nhận dạng giọng nói theo người nói mục tiêu ở cấp độ công nghiệp. Mô hình sử dụng kiến trúc LLM đầu-cuối và lấy một đoạn âm thanh tham chiếu của người nói mục tiêu làm gợi ý vân giọng, cho phép nó tách riêng và phiên âm chỉ lời nói của người nói đó trong môi trường có nhiều người nói cùng lúc.