小红书发布FireRedASR语音识别模型，中文识别准确率表现出色

为了促进语音识别技术的发展，我们推出了一款全新的中文语音识别模型——FireRedASR。它代表着我们在中文语音识别领域迈出的重要一步，旨在为研究人员和开发者提供更强大的工具。

FireRedASR的核心优势在于其出色的词错误率（CER），这是一种衡量语音识别准确度的关键指标。在特定数据集上，FireRedASR的CER达到了3.05%，显著优于先前版本的Seed-ASR模型的8.4%。这一结果充分证明了FireRedASR在中文语音识别方面的卓越性能。

FireRedASR模型包含两个主要变体：FireRedASR-LLM和FireRedASR-AED。它们在模型架构和训练策略上有所不同，旨在优化不同的性能指标，如准确性和计算效率。这些变体为用户提供了根据特定应用场景选择最适合模型的灵活性。

在多个基准测试中，FireRedASR展现出了强大的竞争力。例如，在噪声环境和口音变化等复杂条件下，FireRedASR-LLM的CER相较于其他模型，相对降低了23.7%至40%。即使在最具挑战性的语音识别场景中，该模型也能将CER降低50.2%至66.7%。

总而言之，FireRedASR代表了中文语音识别领域的一项重大突破，其在KeSpeech和LibriSpeech等数据集上的卓越表现，充分证明了其在各种语音识别任务中的巨大潜力，预示着语音识别技术的广阔前景。

FireRed的团队希望通过发布这款先进的模型，促进中文语音识别技术的进步和应用，为语音交互、语音搜索等领域带来更多可能性。欢迎大家在GitHub上探索和使用该模型，共同推动语音技术的发展。

huggingface:https://huggingface.co/FireRedTeam

github:https://github.com/FireRedTeam/FireRedASR

要点总结：

- 🔥 FireRedASR是一款专为中文语音识别设计的强大模型，旨在提升语音识别的准确性和效率。

- ✨ 模型包含FireRedASR-LLM和FireRedASR-AED两种变体，分别针对不同应用场景进行了优化和性能提升。

- 🌐 FireRedASR在多种语音识别任务中表现出色，适用于学术研究和实际应用，例如自然语言处理和语音技术。