小红书FireRed团队开源了全新的语音识别模型FireRedASR，该模型在中文语音识别领域取得了显着突破。其字错误率（CER）低至3.05%，相比之前的最佳模型降低了8.4%，并在多个实际应用场景中展现出强大的性能，例如短视频、直播和语音输入等。 FireRedASR提供两种核心结构：FireRedASR-LLM专注于精度，FireRedASR-AED则平衡了准确率和效率。该模型支持多种语言环境，包括普通话、中文方言和英语，并已在GitHub和Hugging Face上开源。
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 测试集上显着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。
huggingface:https://huggingface.co/FireRedTeam
github:https://github.com/FireRedTeam/FireRedASR
划重点:
- FireRedASR 是小红书团队新发布的开源语音识别模型，中文识别准确率表现优异。
- 模型分为FireRedASR-LLM 和FireRedASR-AED，分别针对精度和效率需求。
- FireRedASR 在多种场景下表现优异，适用于普通话、中文方言及英语等多种语言环境。
FireRedASR 的开源，无疑将加速中文语音识别技术的发展，为开发者和研究者提供了一个强大的工具，也预示着未来更加便捷和智能的语音交互体验即将到来。期待更多基于FireRedASR 的创新应用出现！