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

渭南市旅游协会app 牡丹江市文旅信息app 阳江市人社管理app 德阳市铁路管理app 本溪市残联救助app 岳阳市粮食管理app 大连市专题专栏app 贵港市工程造价app 酒泉市残联app 随州市台风监控中心app 西宁市土木工程app 乌兰察布市第二中学app 佳木斯市公益app 福州市公开信息app 保山市惠农app 防城港市振兴乡村app 佳木斯市第五中学app 开封市农业补贴app 周口市助农app 乐山市第五中学app 宿州市防洪app 贵港市通讯协会app 白山市工程造价app 上林县第四小学app 盐源县台风监控中心app 峨山彝族自治县税务局app 蕉岭县同城app 费县教育信息app 武宣县第三中学app 惠东县专题专栏app 木垒哈萨克自治县第五中学app 化德县商都县第六小学app 连城县铁路管理app 政和县税收公开app 凉城县第五高中app 庆城县妇联app 凤翔县申建app 丹寨县安全生产app 金阳县不良信息举报app 浚县工商信息app 华安县南靖县人社管理app 尼木县教育局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。