小米的开源模型能在三人同时说话时只认准一个人
小米上周五发布了免费的 CocktailASR-1 语音模型。你给它一段目标说话人的声音样本，它就把其他人当作背景忽略。三人混说时它的词错率是 12.29%，两人混说时是 4.11%。
为什么重要?两个人一开口叠在一起，会议纪要和字幕就全乱了。权重公开，意味着这件事可以在你自己的机器上跑，而不是公司的服务器。
▶ 相关视频: Solving the Cocktail Party Problem with Deep Learning (In-depth version)
在App中阅读——免费，9种语言
相关新闻
Mistral开放了万亿参数大模型，但附带一个条件。2026-10-29英伟达发布开源模型，可把40种语言的语音转成文字。
2026-10-29谷歌Gemini 4 Carbon在一项高难度AI排名中超过了Claude。
2026-10-29谷歌最新世界模型生成的世界，能听到声音还能对话
2026-10-28OpenAI新款中型模型价格只有上一代的一半
2026-10-27