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

桂林市养老服务app 营口市养老服务app 巴中市非物质文化遗产app 平凉市不良信息举报app 辽阳市土地局app 威海市申建app 马鞍山市土木工程app 开封市历史记录app 张家界市铁路管理app 泰州市养殖补助app 乌兰察布市第五中学app 铜仁市第五中学app 巴彦淖尔市专题专栏app 大关县水务app 平潭县劳动局app 兴国县司法管理app 无棣县防洪信息app 平遥县便民app 三原县电视台广播app 仙居县公益app 蓝田县灾害救助app 雅江县论坛app 加查县水务app 洛宁县消防宣传app 汶川县建设局信息app 商南县学校app 靖远县旅游监督app 新县第一高中app 三穗县服务大厅app 宜章县土地申报app 犍为县防洪app 尼木县教育信息app 绥棱县公共文化服务app 围场满族蒙古族自治县征地服务app 忻城县第二中学app 黄梅县法律服务app 锦屏县电视台广播app 吉安县专题专栏app 固始县招标信息app 政和县特殊家庭关爱协会app 江达县最新新闻app 东阿县事业单位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。