小米ASR目标语音识别模型

镜像简介

• 🏆 多说话人 SOTA：在多个主流多说话人测试集（AliMeeting、AMI、LibriMix 等）上达到最优性能。
• 🎯 单说话人兼容：单说话人测试集上性能与普通 ASR 模型可比。只需同一模型，便能同时兼顾单人与多人场景，无需切换普通 ASR 模型。
• 🚫 负样本拒识：具备对全非目标说话人音频的拒识能力，有效降低误触发。
• 🧠 思维链推理：支持 Chain-of-Thought（CoT）模式，对识别结果提供可解释的推理过程。

配置方法

1. 该镜像初始化后，需要等待服务启动，大概 3 分钟左右。
2. 启动后点击按钮 “YZY启动器” 或者 “9000” 直接访问服务。
3. 首次生成加载模型比较耗时。
4. 服务运行日志查询，可以输入命令 tail -f /start.d/log/*
5. 输出目录： /root/cocktailasr/outputs，也可以可直接在生成页面下载。

视频教程

详细步骤，可在 哔哩哔哩 余子越Talk 博主页面搜索 cocktailasr 观看视频教程！

相关链接

• 项目地址： xiaomi-cocktailasr-1
• 视频教程： 哔哩哔哩 余子越Talk 主页搜索 cocktailasr

效果截图

常见问题