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

江门市应急管理app 三明市劳动局app 商丘市第五高中app 梅州市公共法律服务app 北海市建设局信息app 广州市残联app 南宁市水利app 青岛市第六中学app 武汉市文旅信息app 贵港市征地服务app 十堰市消防宣传app 韶关市旅游监督app 广州市市场监督app 清远市事业单位app 襄阳市妇联救助app 益阳市电台广播中心app 广元市公共法律服务app 保定市桥梁管理app 祥云县教研app 吉木乃县电视台广播app 利辛县水务app 平遥县招标信息app 邵阳县森林消防app 德清县防火app 上犹县第三中学app 临武县防灾信息app 富蕴县同城app 赞皇县旅游监督app 竹山县不良信息举报app 双江拉祜族佤族布朗族傣族自治县服务大厅app 施甸县电台广播中心app 柏乡县历史记录app 察布查尔锡伯自治县政府公报app 新晃侗族自治县第五小学app 牟定县防洪app 原阳县妇联救助app 苗栗县消防宣传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。