小米开源CocktailASR-1，聚焦目标说话人语音识别：指定要识别的说话人后，模型只输出该人内容，而非还原全部声音，更贴近会议、车载、客服等场景。文章提醒，demo效果好不代表可上生产，需关注提示音频采集、设备与音色变化下的稳定性、低置信度处理，以及监控、回滚和真实噪声样本评估。