提交您的產(chǎn)品 
Ai應(yīng)用
Ai資訊
AI生圖
AI生視頻
開源AI應(yīng)用平臺
FireRedASR
FireRedASR簡介
FireRedASR 是由小紅書 FireRed 團(tuán)隊(duì)于2025年2月9日發(fā)布并開源的基于大模型的語音識別模型，它在中文普通話語音識別領(lǐng)域取得了新的SOTA（字錯(cuò)誤率CER 3.05%），并支持方言、英語及歌詞識別。
FireRedASR的主要功能：
高精度語音識別：FireRedASR-LLM（8.3B參數(shù)量）在公開測試集上取得了3.05%的字錯(cuò)誤率（CER），成為新的SOTA，相比此前的SOTA模型Seed-ASR（12B+參數(shù)）降低了8.4%的錯(cuò)誤率。
高效推理：FireRedASR-AED（1.1B參數(shù)量）在保持高準(zhǔn)確率的同時(shí)，顯著提升了推理效率，其CER為3.18%。
多場景適配：FireRedASR在短視頻、直播、語音輸入和智能助手等多種日常場景下表現(xiàn)出色，與業(yè)內(nèi)領(lǐng)先的ASR服務(wù)提供商和Paraformer-Large相比，CER相對降低23.7%~40.0%。
歌詞識別能力：在需要歌詞識別能力的場景中，F(xiàn)ireRedASR-LLM的CER實(shí)現(xiàn)了50.2%～66.7%的相對降低，展現(xiàn)了極強(qiáng)的適配能力。
多語言支持：FireRedASR支持普通話，在中文方言和英語語音識別方面表現(xiàn)出色，進(jìn)一步拓寬了其應(yīng)用范圍。
FireRedASR模型兩個(gè)核心版本：
FireRedASR-LLM
架構(gòu)：采用Encoder-Adapter-LLM框架，結(jié)合大型語言模型Qwen2-7B-Instruct，通過LoRA微調(diào)實(shí)現(xiàn)端到端語音交互。
性能：在普通話基準(zhǔn)測試中CER為3.05%，相比前SOTA模型錯(cuò)誤率降低8.4%；歌詞識別場景CER相對降低50.2%~66.7%。
特點(diǎn)：參數(shù)8.3B，專注極致精度，適合高要求場景如專業(yè)字幕生成。
FireRedASR-AED
架構(gòu)：基于注意力編碼器-解碼器（Conformer編碼器+Transformer解碼器），參數(shù)1.1B。
性能：CER 3.18%，優(yōu)于12B參數(shù)的Seed-ASR，推理效率更高。
特點(diǎn)：平衡準(zhǔn)確率與計(jì)算效率，適合實(shí)時(shí)應(yīng)用如直播字幕、語音助手。
FireRedASR技術(shù)亮點(diǎn)：
多場景適配：在短視頻、直播等日常場景中，CER相對降低23.7%~40.0%；支持中文方言和英語。
開源生態(tài)：模型與代碼已開源（GitHub），采用工業(yè)級設(shè)計(jì)，支持社區(qū)二次開發(fā)。
訓(xùn)練策略：LLM版本固定大部分參數(shù)，僅訓(xùn)練編碼器和適配器，保留預(yù)訓(xùn)練能力。
FireRedASR的應(yīng)用場景
智能語音交互：FireRedASR可以應(yīng)用于智能語音助手、語音輸入法等場景，提供高精度的語音識別服務(wù)。
多媒體內(nèi)容理解：FireRedASR在視頻字幕生成、歌詞識別等多媒體內(nèi)容理解場景中表現(xiàn)出色。
日常場景應(yīng)用：FireRedASR在短視頻、直播、語音輸入和智能助手等多種日常場景下表現(xiàn)出色，與業(yè)內(nèi)領(lǐng)先的ASR服務(wù)提供商和Paraformer-Large相比，CER相對降低23.7%~40.0%。
FireRedASR相關(guān)鏈接：
項(xiàng)目地址：https://github.com/FireRedTeam/FireRedASR
論文地址：https://arxiv.org/abs/2501.14350
