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

云浮市建设局信息app 唐山市旅游协会app 济宁市警务app 廊坊市电台广播中心app 承德市建设局信息app 蚌埠市历史记录app 泸州市第五中学app 鞍山市公益app 巴中市电力app 鹤岗市第五高中app 吐鲁番市消防宣传app 鸡西市重大建设公开app 遵义市水利app 徐州市天气监控中心app 荆门市惠农app 邯郸市暴雨监控中心app 渭南市政府信息公开指南app 衡水市劳动局app 宜宾市公路管理app 惠州市政府公报app 普洱市热点专题app 辽源市服务大厅app 安顺市太阳能发电信息app 抚顺市招标信息app 利津县第五小学app 封丘县重大建设公开app 理塘县第四高中app 西丰县养老服务app 古田县农业补贴app 道县第五中学app 无极县街道办app 郓城县土地申报app 彝良县重大建设公开app 大田县第五中学app 两当县电力app 和县应急管理app 察布查尔锡伯自治县天气监控中心app 宜君县暴雨监控中心app 阳原县教研app 临高县特殊家庭关爱协会app 赤城县台风信息app 旌德县农业补贴app 太康县国土信息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。