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

抚州市未成年保护协会app 潮州市政务服务app 鞍山市水务app 荆州市农业补贴app 铜仁市森林消防app 鸡西市便民app 包头市农业app 滁州市文旅信息app 铁岭市公正处app 阳泉市最新新闻app 黄冈市残联app 临沧市台风监控中心app 鞍山市征地服务app 日喀则市新闻中心app 镇江市教育局app 黄冈市第二中学app 中山市数据管理局app 景德镇市农业app 齐齐哈尔市台风信息app 辽阳市非物质文化遗产app 拜城县教育局app 化德县商都县政府公报app 扎囊县数据管理局app 弋阳县电力app 安泽县住房保障app 封开县住房保障app 富宁县第五高中app 连山壮族瑶族自治县第五中学app 临潭县天气监控中心app 桃江县第三中学app 全州县街道办app 佛冈县工商信息app 阳高县安全生产app 泸溪县学校app 建昌县热点专题app 肇州县人社管理app 天全县新闻中心app 永福县街道办app 大余县审计公开app 资中县旅游监督app 沙洋县最新新闻app 闻喜县养老服务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。