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

沧州市申建app 湘潭市消防宣传app 新乡市土木工程app 鄂州市工商局app 六安市便民app 泉州市招标信息app 湖州市水务app 石家庄市同城app 株洲市招标信息app 日照市文旅信息app 贵阳市第二高中app 洛阳市太阳能发电信息app 滁州市申建app 宜春市水务app 嘉峪关市电力app 南充市第一中学app 肇庆市公共法律服务app 东营市天气监控中心app 濮阳市申建app 镇江市专题专栏app 宣城市专题专栏app 连云港市铁路管理app 黄陵县公共文化服务app 东安县土地局app 寿宁县土地局app 镇原县法律服务app 宁阳县工商局app 嵩明县第二中学app 维西傈僳族自治县信息公开app 霞浦县建设局信息app 双牌县公开信息app 勐腊县电台广播中心app 融安县论坛app 左权县风力发电app 乡城县第二高中app 建宁县民政管理app 鱼台县通讯协会app 柯坪县应急管理app 昭觉县台风信息app 太湖县公路管理app 都昌县森林消防app 宝清县建设局信息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。