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

日照市公路管理app 宁波市工商局app 儋州市工商信息app 通辽市旅游监督app 西安市养殖补助app 沧州市防灾信息app 武汉市劳动局app 咸宁市环境保护协会app 吴忠市历史记录app 泰安市公共法律服务app 秦皇岛市通讯协会app 徐州市电力app 长沙市防洪app 佛山市税务局app 十堰市教研app 无锡市公路管理app 海东市旅游监督app 山阴县警务app 桐柏县历史记录app 交城县政府公报app 武城县振兴乡村app 远安县消费协会app 伊通满族自治县土木工程app 永平县第一中学app 广饶县残联救助app 元谋县城乡建设app 永宁县民政管理app 九龙县消防宣传app 澧县市场监督app 玉屏侗族自治县税务局app 明溪县学校简介app 大名县政府信息公开指南app 道县政府公报app 吴桥县征地服务app 新竹县警务app 寻甸回族彝族自治县第二高中app 宁津县建设局信息app 龙山县政府信息公开指南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。