提交您的產品 
Ai應用
Ai資訊
AI生圖
AI生視頻
FastbuildAI
FireRedASR
FireRedASR簡介
FireRedASR 是由小紅書 FireRed 團隊于2025年2月9日發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域取得了新的SOTA（字錯誤率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參數量）在公開測試集上取得了3.05%的字錯誤率（CER），成為新的SOTA，相比此前的SOTA模型Seed-ASR（12B+參數）降低了8.4%的錯誤率。
高效推理：FireRedASR-AED（1.1B參數量）在保持高準確率的同時，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出色，與業內領先的ASR服務提供商和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，FireRedASR-LLM的CER實現了50.2%～66.7%的相對降低，展現了極強的適配能力。
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出色，進一步拓寬了其應用范圍。
FireRedASR模型兩個核心版本：
FireRedASR-LLM
架構：采用Encoder-Adapter-LLM框架，結合大型語言模型Qwen2-7B-Instruct，通過LoRA微調實現端到端語音交互。
性能：在普通話基準測試中CER為3.05%，相比前SOTA模型錯誤率降低8.4%；歌詞識別場景CER相對降低50.2%~66.7%。
特點：參數8.3B，專注極致精度，適合高要求場景如專業字幕生成。
FireRedASR-AED
架構：基于注意力編碼器-解碼器（Conformer編碼器+Transformer解碼器），參數1.1B。
性能：CER 3.18%，優于12B參數的Seed-ASR，推理效率更高。
特點：平衡準確率與計算效率，適合實時應用如直播字幕、語音助手。
FireRedASR技術亮點：
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：模型與代碼已開源（GitHub），采用工業級設計，支持社區二次開發。
訓練策略：LLM版本固定大部分參數，僅訓練編碼器和適配器，保留預訓練能力。
FireRedASR的應用場景
智能語音交互：FireRedASR可以應用于智能語音助手、語音輸入法等場景，提供高精度的語音識別服務。
多媒體內容理解：FireRedASR在視頻字幕生成、歌詞識別等多媒體內容理解場景中表現出色。
日常場景應用：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出色，與業內領先的ASR服務提供商和Paraformer-Large相比，CER相對降低23.7%~40.0%。
FireRedASR相關鏈接：
項目地址：https://github.com/FireRedTeam/FireRedASR
論文地址：https://arxiv.org/abs/2501.14350
