在嘈杂的人群中精准锁定并听清某个人的声音，人类的听觉系统能够轻而易举地做到这一点，但对于传统的自动语音识别（ASR）模型来说，多人同时讲话的“鸡尾酒会难题”却长期是一个未被彻底攻克的行业痛点。为了解决…