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

玉溪市征地服务app 三亚市事业单位app 黄冈市电视台广播app 茂名市消防局app 黄石市政府公报app 滨州市铁路管理app 巴彦淖尔市第二高中app 葫芦岛市法律服务app 淮北市森林消防app 临汾市水利app 合肥市桥梁管理app 榆林市警务app 铜川市天气监控中心app 大庆市旅游协会app 克拉玛依市防灾信息app 儋州市防火app 佳木斯市助农app 泰州市民政管理app 铜川市残联救助app 榆林市安全宣传app 牡丹江市防火app 荆门市税收公开app 镇江市建设局信息app 无锡市旅游监督app 金乡县电力app 紫金县土木工程app 禄劝彝族苗族自治县残联app 盱眙县国土信息app 广南县国土信息app 沽源县社会求助app 绩溪县招标信息app 万年县审计公开app 花垣县人社管理app 中江县论坛app 宜丰县卫生协会app 顺昌县国土信息app 北川羌族自治县历史记录app 武义县热点专题app 额敏县第二高中app 永丰县未成年保护协会app 勉县工程造价app 民和回族土族自治县第四高中app 富县卫生协会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。