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

阜新市文旅信息app 广州市热点专题app 张家界市学校app 长沙市不良信息举报app 娄底市文旅信息app 南平市旅游协会app 嘉兴市风力发电app 贺州市法律服务app 唐山市第五小学app 绍兴市新闻中心app 吉林市安全宣传app 伊春市第一小学app 那曲市第六中学app 长沙市政府公报app 三明市暴雨监控中心app 南昌市第五高中app 玉林市政务监督app 松原市铁路管理app 唐山市助农app 那曲市第五高中app 达州市学校app 朝阳市防洪信息app 张家界市惠农app 太和县萧县残联app 单县公益app 咸丰县政务服务app 迁西县城乡建设app 崇阳县通讯协会app 乐业县暴雨监控中心app 林甸县水利app 大通回族土族自治县学校简介app 费县铁路管理app 淅川县政务监督app 错那县水务app 濉溪县枞阳县工商信息app 宾阳县振兴乡村app 大竹县建设局信息app 灌云县工程造价app 乾安县妇联app 门源回族自治县防洪app 南漳县未成年保护协会app 长阳土家族自治县土地局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。