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

葫芦岛市司法管理app 白银市社会求助app 淮南市特殊家庭关爱协会app 大连市中心校app 长春市第一中学app 七台河市铁路管理app 吉安市消防局app 河源市新闻中心app 江门市桥梁管理app 衡阳市残联app 清远市助农app 蓝田县同城app 美姑县防火app 中宁县不良信息举报app 盐边县土地局app 荔波县住房保障app 嘉禾县征地服务app 九龙县数据管理局app 洞口县第四高中app 浠水县申建app 阳朔县住房保障app 武城县第五小学app 丹巴县教育局app 柞水县申建app 尚义县审计公开app 镇原县粮食管理app 嘉荫县最新新闻app 温泉县电台广播中心app 连城县政要信息app 海晏县热点专题app 长阳土家族自治县法律服务app 苗栗县旅游协会app 武城县警务app 夹江县非物质文化遗产app 顺昌县第六小学app 贵德县公益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。