本发明实施例提供一种用于多说话人的语音识别模型的训练方法。该方法包括：将训练数据中的多说话人的单通道混合语音特征输入至语音识别模型，获得多个说话人的高维特征序列表示；基于上下文嵌入提取器，确定多说话人的单通道混合语音特征中每个说话人的上下文嵌入表示，组成上下文混合嵌入序列表示，将上下文混合嵌入序列表示分别与多个说话人的高维特征序列表示拼接，确定每个说话人的拼接高维特征序列表示；基于注意力机制的解码器对每个说话人的拼接高维特征序列表示进行解码输出每个说话人的预测说话文本。本发明实施例还提供一种用于多说话人的语音识别模型的训练系统。本发明推进鸡尾酒会场景下的语音识别问题的解决，提高语音识别效果。