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

马鞍山市电力app 孝感市财政信息app 池州市消防局app 肇庆市工商信息app 台州市公正处app 阜阳市审计公开app 襄阳市财政信息app 双鸭山市旅游协会app 酒泉市劳动局app 濮阳市粮食管理app 张家界市农业补贴app 衢州市警务app 江门市环境保护协会app 包头市暴雨监控中心app 雅安市消防局app 南陵县审计公开app 景泰县重大建设公开app 唐县不良信息举报app 莒县第二小学app 蓬溪县住房保障app 中阳县热点专题app 武平县政府公报app 阿坝县农业局app 巴塘县农业补贴app 东至县暴雨监控中心app 镇原县农业app 翁源县公正处app 炎陵县农业局app 容县政府信息公开指南app 苍南县政务监督app 乌鲁木齐县防灾信息app 壤塘县公正处app 宁陵县残联救助app 和政县农业局app 谢通门县第四中学app 新平彝族傣族自治县街道办app 赫章县第一高中app 安泽县电视台广播app 孙吴县安全生产app 确山县土木工程app 兴海县台风监控中心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。