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

湘潭市教研app 江门市工商信息app 百色市农业补贴app 苏州市出口管理app 固原市最新新闻app 信阳市司法管理app 阜阳市防火app 泰州市服务大厅app 运城市通讯协会app 蚌埠市征地服务app 宿迁市助农app 六安市土木工程app 开封市农业补贴app 昭通市粮食管理app 那曲市警务app 合肥市台风监控中心app 安阳市警务app 滨海县残联app 固阳县法律服务app 镇安县养老服务app 兰陵县财政信息app 东明县公益app 甘谷县第二高中app 金川县工程造价app 莲花县太阳能发电信息app 兴业县市场监督app 周至县妇联app 曲沃县政务服务app 万载县第二小学app 常山县振兴乡村app 曹县水利app 昌宁县民政管理app 沽源县政府公报app 合水县养殖补助app 平乐县重大建设公开app 中方县粮食管理app 凤翔县防洪app 竹山县天气监控中心app 鄯善县最新新闻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。