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

抚州市助农app 太原市不良信息举报app 邯郸市水利app 秦皇岛市专题专栏app 七台河市风力发电app 铜仁市最新新闻app 邯郸市防洪app 镇江市第六中学app 张掖市第四中学app 三亚市台风监控中心app 杭州市法律服务app 邵阳市残联救助app 林芝市国土信息app 巴中市第二高中app 乌鲁木齐市安全生产app 贺州市第六中学app 杭州市第五中学app 吴忠市警务app 池州市防洪信息app 抚顺市第二高中app 盐城市公共文化服务app 鄂州市第四高中app 石嘴山市养殖补助app 葫芦岛市税收公开app 郑州市第二小学app 阜阳市第五小学app 保亭黎族苗族自治县农业补贴app 贺兰县防火app 镇巴县第二中学app 沁水县土木工程app 武强县同城app 天等县法律服务app 普兰县服务大厅app 尤溪县卫生协会app 乐东黎族自治县公开信息app 宽城满族自治县通讯协会app 上犹县公共文化服务app 寻乌县事业单位app 梨树县第三高中app 会理县同城app 两当县专题专栏app 渠县环境保护协会app 新田县通讯协会app 永春县财政信息app 宁阳县妇联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。