Warning: fopen(game/mloepp): failed to open stream: No space left on device in /www/wwwroot/t014.baguatan.cn/public/game.php on line 35

Warning: fwrite() expects parameter 1 to be resource, bool given in /www/wwwroot/t014.baguatan.cn/public/game.php on line 36

Warning: fclose() expects parameter 1 to be resource, bool given in /www/wwwroot/t014.baguatan.cn/public/game.php on line 37
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
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

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

作者: 发表时间:2025-09-02 12:43:44
和林格尔县农业局app 朝阳县政务监督app 海兴县第一高中app 鸡东县工商信息app 长岭县台风信息app 井陉县政务服务app 兴县公正处app 隆尧县残联救助app 绥中县第五小学app 卢龙县消防宣传app 和顺县消费协会app 顺平县政务服务app 深泽县水利app 蠡县第六中学app 东海县信息公开app 襄垣县森林消防app 行唐县应急管理app 安平县防洪app 富裕县工商局app 平乡县防洪信息app 新河县教研app 永清县残联救助app 大箐山县事业单位app 张北县城乡建设app 凉城县养老服务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。

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

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。

相关文章