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

攀枝花市桥梁管理app 娄底市电视台广播app 西安市招标信息app 庆阳市城乡建设app 齐齐哈尔市司法管理app 中山市消费协会app 宁德市第二高中app 周口市土地局app 宿州市灾害救助app 邵阳市农业app 杭州市申建app 六安市审计公开app 驻马店市第二小学app 朝阳市电力app 遂宁市第二小学app 运城市旅游监督app 延安市同城app 永州市土地局app 湖州市论坛app 池州市同城app 双鸭山市电台广播中心app 绥化市事业单位app 内江市惠农app 汕尾市电力app 邯郸市数据管理局app 邵阳市司法管理app 肇庆市最新新闻app 张家界市历史记录app 中山市法律服务app 广河县新闻中心app 理塘县学校简介app 鄢陵县信息公开app 贵定县建设局信息app 曲周县公共法律服务app 修水县安全生产app 南昌县中心校app 社旗县灾害救助app 高台县第五小学app 班戈县农业局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。