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

长春市同城app 烟台市政务服务app 菏泽市第三中学app 庆阳市台风监控中心app 淮安市不良信息举报app 岳阳市出口管理app 阜阳市妇联救助app 铜陵市森林消防app 榆林市税务局app 牡丹江市第四小学app 宜宾市信息公开app 嘉峪关市防洪信息app 吴忠市第一高中app 天水市公开信息app 金华市应急管理app 通辽市警务app 巴中市农业app 榆林市学校简介app 烟台市历史记录app 榆林市残联app 鄂尔多斯市税务局app 博湖县公路管理app 莲花县公共法律服务app 饶河县便民app 五华县第二高中app 阳朔县第三中学app 通榆县第二高中app 无棣县惠农app 郯城县土木工程app 莘县工商局app 内黄县水利app 东安县工商局app 永修县暴雨监控中心app 延长县土地申报app 修武县应急管理app 平远县通讯协会app 金秀瑶族自治县第一高中app 铅山县公共法律服务app 桦南县土地局app 江永县学校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。