跳到正文
阿里语音AI· Qwen Audio·· 2026-09-03AI 评分29

阿里语音AI解读:复杂人声干扰下目标说话人选择技术路线

技术解读|复杂人声干扰下,如何让 ASR “听对人”

AI 导读

针对多人声干扰下的语音识别难点,文章对比了 Target-Speaker ASR 与前景说话人转录两种技术路线。前者依赖声纹注册锁定特定用户,后者基于距离、能量及交互上下文判断当前交互主体。尽管两者可共用包含重叠语音、混响及空间关系的数据底座,但必须严格区分任务语义与标签定义,避免将“能听清”误判为“应输出”,从而让模型学会在识别层面隐式选择交互主角。

来源:阿里语音AI · mp.weixin.qq.com