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

辽阳市助农app 许昌市建设局信息app 衡水市第三小学app 营口市服务大厅app 乐山市征地服务app 聊城市消防宣传app 商洛市建设局信息app 安顺市建设局信息app 阜阳市公共法律服务app 赣州市服务大厅app 金昌市铁路管理app 唐山市司法管理app 常德市风力发电app 昆明市未成年保护协会app 滁州市妇联app 达州市天气监控中心app 仁寿县人社管理app 甘南县第三中学app 建平县政务服务app 郁南县服务大厅app 通榆县农业补贴app 乐安县土地申报app 龙胜各族自治县水利app 夏县灾害救助app 蒲江县振兴乡村app 夏河县非物质文化遗产app 临高县第一高中app 凤冈县风力发电app 深泽县振兴乡村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。