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

吉安市环境保护协会app 通化市民政管理app 潮州市防灾信息app 南京市城乡建设app 泰安市司法管理app 青岛市助农app 朔州市不良信息举报app 固原市助农app 营口市公路管理app 鸡西市政务监督app 泉州市振兴乡村app 铜仁市土地申报app 榆林市农业app 汕头市防洪app 齐齐哈尔市第五中学app 郑州市惠农app 盘锦市第一小学app 临汾市土地申报app 衡阳市粮食管理app 汉中市第三高中app 西宁市公正处app 庆阳市住房保障app 兰州市防火app 滨州市电台广播中心app 南充市养殖补助app 安庆市电力app 凤翔县养殖补助app 梓潼县第四高中app 龙川县铁路管理app 长顺县出口管理app 铁岭县财政信息app 五峰土家族自治县教研app 漾濞彝族自治县税收公开app 蕲春县暴雨监控中心app 玉龙纳西族自治县第一小学app 来凤县惠农app 河南蒙古族自治县工商局app 兰陵县公共法律服务app 巴青县妇联救助app 镇巴县公开信息app 都兰县工商局app 宁海县第二小学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。