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

昭通市警务app 大同市公益app 濮阳市教育信息app 克拉玛依市教育信息app 玉林市森林消防app 襄阳市振兴乡村app 黄冈市旅游协会app 绍兴市第一高中app 镇江市电视台广播app 马鞍山市政府公报app 深圳市公路管理app 吉县通讯协会app 伽师县电视台广播app 天等县残联救助app 德化县环境保护协会app 宜阳县栾川县财政信息app 德昌县特殊家庭关爱协会app 宾县第四小学app 东明县妇联app 内乡县非物质文化遗产app 翼城县第二小学app 乌兰县天气监控中心app 郏县环境保护协会app 淇县专题专栏app 吉隆县第四高中app 旺苍县教研app 中牟县司法管理app 延津县警务app 蓬溪县文旅信息app 宽城满族自治县税务局app 新竹县教育局app 凌云县新闻中心app 和田县国土信息app 绛县农业局app 贺兰县公路管理app 郁南县工商信息app 宁化县应急管理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。