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

德州市妇联app 哈尔滨市第三小学app 秦皇岛市民政管理app 通辽市防洪app 延安市便民app 牡丹江市防灾信息app 贵阳市暴雨监控中心app 巴中市税收公开app 无锡市电力app 钦州市森林消防app 南宁市同城app 宜宾市暴雨监控中心app 安阳市安全生产app 漯河市消费协会app 四平市残联救助app 铁岭市农业app 锦州市卫生协会app 荆州市公共法律服务app 张家口市土地申报app 遂宁市防火app 吉安市政务服务app 中山市历史记录app 济南市便民app 衢州市第四小学app 丹寨县惠农app 芒康县电视台广播app 洪洞县工商信息app 巍山彝族回族自治县同城app 蒲城县第二高中app 贡觉县住房保障app 泽普县警务app 志丹县招标信息app 随县论坛app 祁门县消防局app 大箐山县助农app 芮城县暴雨监控中心app 瓜州县人社管理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。