小红书开源语音识别模型FireRedASR登场，中文识别准确率出类拔萃

汕头市第六小学app 淮安市残联app 周口市水利app 阜新市风力发电app 咸阳市出口管理app 沧州市消防宣传app 宿迁市残联app 铜陵市服务大厅app 玉林市教育局app 梧州市第五中学app 内江市城乡建设app 呼和浩特市公共法律服务app 上饶市旅游监督app 乌海市旅游协会app 营口市农业app 黄冈市非物质文化遗产app 张掖市应急管理app 玉林市养老服务app 宜春市第一小学app 蚌埠市劳动局app 玉林市妇联救助app 盘山县天气监控中心app 理塘县消防宣传app 安泽县法律服务app 隆尧县警务app 宁陵县第五中学app 阿瓦提县台风信息app 襄垣县第五高中app 乐业县市场监督app 麻阳苗族自治县森林消防app 金乡县养殖补助app 曹县政务监督app 大邑县第二高中app 黄龙县国土信息app 务川仡佬族苗族自治县妇联app 隆化县第六中学app 略阳县出口管理app 皮山县工商信息app 平邑县台风信息app 永兴县论坛app 南县便民app 徐闻县水务app

近日，小红书旗下的 FireRed 团队推出了全新的开源语音识别模型——FireRedASR。该模型作为基于大模型构建的语音识别系统，在多个标准测试集中都斩获了极为优异的成绩，无疑为中文语音识别技术带来了重大突破。

FireRedASR 的核心指标是字错误率（CER），该指标越低，表示模型的识别效果越好。在最近的公开测试中，FireRedASR 的 CER 达到了3.05%，较之前的最佳模型 Seed-ASR 降低了8.4%。这一结果显示出 FireRed 团队在语音识别技术上的创新能力。

FireRedASR 模型分为两种核心结构:FireRedASR-LLM 和 FireRedASR-AED。前者专注于极致的语音识别精度，后者则在准确率与推理效率之间实现了良好的平衡。团队提供了不同规模的模型和推理代码，以满足各种应用场景的需求。

在多个日常应用场景中，FireRedASR 同样展现了强大的性能。在由短视频、直播和语音输入等多种来源组成的测试集中，FireRedASR-LLM 的 CER 相较于业内领先的服务提供商降低了23.7% 至40%。特别是在需要歌词识别的场景中，该模型的表现尤为突出，CER 实现了50.2% 至66.7% 的相对降低。

此外，FireRedASR 还在中文方言和英语场景中表现优异，其 CER 在 KeSpeech 和 LibriSpeech 测试集上显著优于之前的开源模型，证明其在多种语言环境中的鲁棒性和适应性。

FireRed 团队希望通过开源这一新模型，推动语音识别技术的发展和应用，为语音交互的未来贡献力量。所有模型和代码已在 GitHub 上公开，鼓励更多开发者和研究者参与其中。