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

营口市公正处app 大同市振兴乡村app 台州市教研app 黄冈市工程造价app 十堰市事业单位app 茂名市防灾信息app 承德市卫生协会app 永州市第四中学app 临沂市热点专题app 镇江市电力app 张掖市妇联救助app 南阳市农业app 宣城市警务app 周口市论坛app 泰安市农业补贴app 曲靖市数据管理局app 湛江市政务服务app 郴州市街道办app 洛阳市振兴乡村app 荆州市第五小学app 广州市中心校app 信阳市助农app 呼和浩特市公益app 十堰市政务服务app 怀化市电力app 邻水县教研app 松阳县第五高中app 金寨县申建app 固安县法律服务app 繁峙县街道办app 峨边彝族自治县残联救助app 关岭布依族苗族自治县第四高中app 礼泉县旅游监督app 临潭县灾害救助app 桐柏县通讯协会app 大悟县残联app 陆川县税收公开app 化德县商都县农业app 郎溪县教研app 高青县教研app 渭源县特殊家庭关爱协会app 金堂县财政信息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。