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

九江市旅游监督app 包头市工程造价app 赣州市暴雨监控中心app 呼伦贝尔市特殊家庭关爱协会app 宜春市未成年保护协会app 渭南市公共法律服务app 南京市水利app 黄冈市消费协会app 郑州市助农app 牡丹江市台风信息app 连云港市电台广播中心app 秦皇岛市论坛app 荆门市工程造价app 镇江市桥梁管理app 鸡西市第五高中app 邯郸市新闻中心app 营口市事业单位app 宣城市水务app 唐山市旅游协会app 武威市太阳能发电信息app 新余市森林消防app 长治市第二中学app 信阳市政务服务app 肇庆市历史记录app 舟山市安全生产app 孝感市政要信息app 淮南市养殖补助app 韶关市第五高中app 渭南市电力app 罗田县重大建设公开app 东至县税务局app 华宁县灾害救助app 玉山县警务app 隆化县水利app 林周县服务大厅app 高青县助农app 恭城瑶族自治县公路管理app 中方县妇联app 沁水县新闻中心app 叙永县铁路管理app 浦城县政府公报app 迭部县妇联救助app 和田县土地局app 祁阳县人社管理app 宽城满族自治县防火app 全椒县申建app 嵊泗县不良信息举报app 攸县第三中学app 汝城县政务服务app 旬邑县第四小学app 商南县招标信息app 博兴县不良信息举报app 久治县通讯协会app 青冈县水利app 永宁县不良信息举报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。