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

绥化市土木工程app 岳阳市防洪app 武威市消费协会app 遵义市防灾信息app 吉安市数据管理局app 惠州市未成年保护协会app 忻州市街道办app 通辽市旅游协会app 六盘水市卫生协会app 那曲市历史记录app 荆州市第五高中app 永州市粮食管理app 淮南市土地局app 葫芦岛市养殖补助app 巴彦淖尔市第五小学app 开封市信息公开app 新余市残联救助app 苏州市税务局app 黄冈市政务监督app 湘潭市第一高中app 济南市土地申报app 昆明市论坛app 澧县人社管理app 衡阳县应急管理app 黄平县城乡建设app 花莲县振兴乡村app 绥滨县人社管理app 巨野县法律服务app 浦城县市场监督app 尼木县第二小学app 安义县残联app 新安县第二中学app 绩溪县人社管理app 甘洛县住房保障app 怀集县申建app 平山县服务大厅app 沂水县电力app 福贡县第四高中app 寿阳县人社管理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。