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

开封市水务app 百色市应急管理app 商丘市水利app 贵港市森林消防app 临沂市街道办app 昌都市非物质文化遗产app 邯郸市新闻中心app 辽源市建设局信息app 梅州市审计公开app 舟山市公路管理app 烟台市第六小学app 三明市第三中学app 内江市卫生协会app 岳阳市政府信息公开指南app 巴彦淖尔市土木工程app 龙岩市惠农app 唐山市中心校app 通化市暴雨监控中心app 商洛市征地服务app 萍乡市第五高中app 天水市电台广播中心app 绵阳市历史记录app 乐山市旅游协会app 松原市街道办app 梧州市惠农app 辽阳市教育信息app 湛江市非物质文化遗产app 铜川市灾害救助app 苍南县城乡建设app 云龙县桥梁管理app 霍城县街道办app 渑池县太阳能发电信息app 西盟佤族自治县台风监控中心app 灵川县征地服务app 云龙县政府公报app 白朗县通讯协会app 漳县社会求助app 柳林县安全宣传app 成武县警务app 宁蒗彝族自治县街道办app 清原满族自治县残联救助app 西林县警务app 赞皇县铁路管理app 贵定县公共法律服务app 扶绥县台风信息app 高青县第一中学app 营山县征地服务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。