已收录文章摘要，完整内容可前往原文阅读。
论文导读小米ASR团队提出Xiaomi-CocktailASR-1，用一段参考语音当“声纹提示词”，从多人重叠声音中只转写目标说话人；目标人没开口时，模型应输出空文本。它在AliMeeting远场测试