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

锦州市土地申报app 来宾市出口管理app 天水市警务app 白山市铁路管理app 邢台市第五中学app 黑河市通讯协会app 黑河市公开信息app 孝感市暴雨监控中心app 延安市残联救助app 铜仁市电力app 聊城市税收公开app 日喀则市电视台广播app 中卫市电力app 长沙市警务app 淄博市同城app 佳木斯市住房保障app 儋州市消费协会app 金昌市第一中学app 新乡市市场监督app 宣城市历史记录app 赣州市政务服务app 株洲市社会求助app 治多县便民app 云阳县助农app 巴里坤哈萨克自治县热点专题app 昌江黎族自治县惠农app 慈利县出口管理app 柳河县服务大厅app 靖远县第四高中app 安龙县工商局app 绿春县妇联救助app 获嘉县第二中学app 永修县天气监控中心app 江华瑶族自治县征地服务app 永福县民政管理app 山阴县消费协会app 沙雅县论坛app 江达县公正处app 横县最新新闻app 汉阴县第六中学app 淮滨县城乡建设app 婺源县便民app 巫山县农业补贴app 温宿县防灾信息app 林周县非物质文化遗产app 甘孜县惠农app 富顺县劳动局app 酉阳土家族苗族自治县天气监控中心app 新宁县妇联救助app 周宁县风力发电app 道真仡佬族苗族自治县消防局app 蓝山县第六小学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。