TS-ASR

小米发布基于LLM的嘈杂环境下的ASR系统

研究人员推出了一种新颖的端到端自动语音识别（ASR）架构Xiaomi-CocktailASR-1，旨在解决多说话人环境中的“鸡尾酒会问题”。该基于LLM的系统利用声纹提示，无需预先分离即可转录目标说话人的语音，同时保持具有竞争力的单说话人性能，并增加了对缺席目标说话人的关键拒绝能力。该架构还支持链式思考（Chain-of-Thought）推理模式，并在各种基准测试中取得了最先进的结果。