Prompt 语宙Prompt 语宙
  • 首页
  • 语宙 AI 导航
  • AIGC 资讯
    • AIGC 早报生成器Hot
    • 最新趋势
    • AI 工具
    • 热门资源
    • 强化 AI 学习
  • AI 绘图
    • Prompt 实战
    • AI 绘画教程
    • 模型精选
  • AI 图库
    • 人物
    • 展台场景
    • Banner
    • 游戏
    • 动物
    • 食物
    • 自然
    • 背景
    • 海报
    • 建筑
    • 室内设计
  • 出海数字营销宝典
  • AI 生图 Prompt
    • 写实人像
    • 产品与广告
    • 游戏资产与 3D
    • 界面与图标
    • 建筑与室内
    • 动漫与插画
    • 风景与自然
搜索 AIGC 资讯、Prompt 咒语与 AI 工具
  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.
阅读: FireRedASR – 小红书开源的自动语音识别模型
Share
通知 阅读更多
Font Resizer字体
Font Resizer字体
Prompt 语宙Prompt 语宙
搜索 AIGC 资讯、Prompt 咒语与 AI 工具
  • 首页
  • 语宙 AI 导航
  • AIGC 资讯
    • AIGC 早报生成器Hot
    • 最新趋势
    • AI 工具
    • 热门资源
    • 强化 AI 学习
  • AI 绘图
    • Prompt 实战
    • AI 绘画教程
    • 模型精选
  • AI 图库
    • 人物
    • 展台场景
    • Banner
    • 游戏
    • 动物
    • 食物
    • 自然
    • 背景
    • 海报
    • 建筑
    • 室内设计
  • 出海数字营销宝典
  • AI 生图 Prompt
    • 写实人像
    • 产品与广告
    • 游戏资产与 3D
    • 界面与图标
    • 建筑与室内
    • 动漫与插画
    • 风景与自然
已有帐户? 登陆
  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.
FireRedASR – 小红书开源的自动语音识别模型
Prompt 语宙 > AIGC 资讯 > FireRedASR – 小红书开源的自动语音识别模型
AIGC 资讯

FireRedASR – 小红书开源的自动语音识别模型

Prompt 语宙研究院
最近更新: 2026年6月9日 上午6:29
AI音频与语音 大模型微调 小红书 开源大模型
SHARE
⚡ Prompt 语宙 AI 导读 · 30 秒核心看点
  • FireRedASR 以开源工业级 ASR 为定位,在普通话基准测试中刷新 SOTA,兼顾方言、英语与歌词识别。
  • LLM 版采用 Encoder-Adapter-LLM 框架,平均 CER 3.05%,较此前 SOTA 3.33% 再降 8.4%。
  • AED 版参数约 1.1B,平均 CER 3.18%,在高精度与推理效率之间取得更均衡的落地方案。

FireRedASR是什么

FireRedASR 是小红书开源的工业级自动语音识别(ASR)模型家族,支持普通话、中文方言和英语,在普通话 ASR 基准测试中达到了新的最佳水平(SOTA),在歌词识别方面表现出色。 模型家族包含两个主要版本:

阅读目录
  • FireRedASR是什么
  • FireRedASR的主要功能
  • FireRedASR的技术原理
  • FireRedASR的项目地址
  • FireRedASR的应用场景

FireRedASR-LLM:采用 Encoder-Adapter-LLM 框架,基于大型语言模型(LLM)的能力,实现 SOTA 性能,支持无缝端到端语音交互。在普通话基准测试中平均字符错误率(CER)为 3.05%,相比之前的 SOTA 模型(3.33%)降低了 8.4%。

FireRedASR-AED:采用基于注意力的编码器-解码器(AED)架构,平衡高性能和计算效率,可作为基于 LLM 的语音模型中的有效语音表示模块。在普通话基准测试中平均 CER 为 3.18%,优于拥有超过 12B 参数的 Seed-ASR。

FireRedASR

FireRedASR的主要功能

  • 高精度语音识别:FireRedASR 包含两个版本,FireRedASR-LLM 和 FireRedASR-AED。其中,FireRedASR-LLM 采用 Encoder-Adapter-LLM 框架,专注于极致的语音识别精度。
  • 高效推理:FireRedASR-AED 基于经典的 Attention-based Encoder-Decoder 架构,参数量为 1.1B,平衡了高准确率与推理效率。
  • 多场景适配:FireRedASR 在多种日常场景下表现出色,包括短视频、直播、语音输入和智能助手等。与业内领先的 ASR 服务提供商和 Paraformer-Large 相比,FireRedASR-LLM 的 CER 相对降低 23.7%~40.0%。
  • 歌词识别能力:在歌词识别场景中,FireRedASR-LLM 的 CER 实现了 50.2%~66.7% 的相对降低,展现了极强的适配能力。
  • 多语言支持:FireRedASR 支持普通话,在中文方言和英语语音识别方面表现出色,进一步拓宽了其应用范围。
  • 开源与社区支持:FireRedASR 的模型和推理代码均已开源,推动语音识别技术的社区驱动改进和学术研究。

FireRedASR的技术原理

  • FireRedASR-LLM:FireRedASR-LLM 采用 Encoder-Adapter-LLM 框架,结合了大型语言模型(LLM)的能力,实现极致的语音识别精度。包含三个核心组件:
    • Conformer 基础编码器:负责提取语音特征,生成连续的语音表示。
    • 轻量级适配器:将编码器的输出转换为与 LLM 语义空间匹配的表示。
    • 预训练文本 LLM:基于 Qwen2-7B-Instruct 初始化,用于生成最终的文本输出。
    • 训练策略:在训练过程中,编码器和适配器是可训练的, LLM 的大部分参数保持固定,仅通过 Low-Rank Adaptation(LoRA)进行微调。确保编码器和适配器能有效地将语音特征映射到 LLM 的语义空间,同时保留 LLM 的预训练能力。
    • 输入与推理:在推理时,输入包括提示(prompt)和语音,LLM 执行 next-token-prediction,生成识别文本。
  • FireRedASR-AED:FireRedASR-AED 基于经典的注意力机制编码器-解码器(AED)架构,平衡高性能和计算效率。由以下部分组成:
    • Conformer 编码器:基于 Conformer 模型处理语音特征,能同时捕捉局部和全局依赖关系。
    • Transformer 解码器:采用 Transformer 架构进行序列转换,包含多头自注意力模块和前馈模块。
    • 输入特征:输入特征为 80 维的 log Mel 滤波器组,经过全局均值和方差归一化处理。
    • 训练数据:训练数据包含约 7 万小时的高质量普通话音频数据,以及约 1.1 万小时的英语音频数据。

FireRedASR的项目地址

  • Github仓库:https://github.com/FireRedTeam/FireRedASR
  • HuggingFace模型库:https://huggingface.co/FireRedTeam/FireRedASR-AED-L
  • arXiv技术论文:https://arxiv.org/pdf/2501.14350

FireRedASR的应用场景

  • 智能语音助手:FireRedASR 可以用于开发智能语音助手,如智能家居控制、智能客服等。高精度的语音识别能力能准确理解用户的语音指令,提供流畅的交互体验。
  • 视频和直播:在短视频和直播领域,FireRedASR 能实时生成字幕,帮助观众更好地理解内容。
  • 歌词识别:FireRedASR 在歌词识别场景中表现尤为突出,能广泛应用于音乐平台和卡拉OK等场景。
  • 语音输入:FireRedASR 可以用于语音输入场景,如语音打字、语音笔记等。高效的推理能力和高精度的识别效果能显著提升用户的输入效率。
🧭 文中关联 AI 工具官网与参数卡(语宙 AI 导航)
小红书 ↗
小红书(Xiaohongshu)是中国领先的生活方式分享社区和社交电商平台。其核心功能围绕用户生成内容(UGC)
❓ 常见问题解答(FAQ)
FireRedASR适合哪些语音识别场景?

它适合智能语音助手、短视频与直播字幕、语音输入、歌词识别等场景。文章显示其在普通话、中文方言和英语识别上都有较强表现,尤其适合对准确率要求高的应用。

FireRedASR-LLM和AED有什么区别?

LLM 版采用 Encoder-Adapter-LLM 框架,追求极致识别精度;AED 版采用注意力编码器-解码器架构,更强调高性能与计算效率。前者 CER 更低,后者更适合兼顾部署效率。

FireRedASR为什么适合做歌词识别?

文章指出 FireRedASR-LLM 在歌词识别场景中 CER 相对降低 50.2%~66.7%,说明它对复杂语音内容和文本节奏的适配能力较强,因此很适合音乐平台和卡拉OK等应用。

🔬 语宙深潜追问 · 进阶实操拆解
方言和歌词识别为何更难?

因为发音变体、连读、省略和节奏变化会显著增加解码难度。实操上要补充方言语料、歌词对齐数据和噪声增强,并针对高频混淆词做后处理纠错。

LLM版和AED版该怎么选?

如果追求最低错误率和复杂语义理解,优先选 LLM 版;如果更看重实时性、成本和部署效率,AED 版更合适。生产中常见做法是先用 AED 跑主流程,再对疑难片段升级重识别。

🗳️ 读者观点微投票 · 您的实战立场是?
工业级ASR落地,精度和效率谁优先?
🕸️ 语宙向量知识图谱 · 语义强关联深度内链
🐋 所属权威专题:DeepSeek 深度实战与部署 →
  • 小红书开源FireRedASR2S语音识别模型:2.89%超低字错率,支持20+方言与端到端部署
  • Seed-ASR – 字节跳动推出的AI语音识别模型
  • Reverb ASR – Rev公司开源的自动语音识别和说话人分离模型
  • 阿里通义Fun-ASR1.5重磅发布:单模型支持30语言+方言识别,MoE架构引领ASR新纪元
🏛️ Prompt 语宙研究院 · Prompt 语宙研究院(paooo.com Research)专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示词工程(Prompt Engineering)与全球高增长 AI 生产力工具实测追踪,致力于为中文开发者与创作者提供一手、可复现的深度技术洞察。
📄 Markdown 纯净版
💡 这篇内容对您有启发吗?
📡 RSS 订阅✨ 提交 AI 工具 / 合作
🚀 Prompt 语宙 AI 创作者生态:探索 2,800+ 全球实用 AI 工具与高精度生图提示词咒语库
🧭 语宙 AI 导航 (ai.paooo.com)🎨 AI 生图 Prompt 库📚 核心专题导航⚡ AIGC 早报生成器
谷歌Gemini Diffusion革新文本生成:扩散模型如何超越GPT实现快速迭代与高质量输出?
470亿美元!Anthropic年化收入狂飙,Claude企业级应用引爆AI商业化新纪元
拥抱 Hugging Face:我们的初创公司并购幕后 [译]
V-JEPA:Meta推出的视觉模型,可以通过观看视频来学习理解物理世界
​Meta 发布新旗舰模型 Muse Spark 1.1,升级多代理自动化功能
TAGGED:AI音频与语音大模型微调小红书开源大模型
分享
Email 复制链接 打印
Share
Prompt 语宙研究院 头像
ByPrompt 语宙研究院
Follow:
Prompt 语宙研究院(paooo.com Research)专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示词工程(Prompt Engineering)与全球高增长 AI 生产力工具实测追踪,致力于为中文开发者与创作者提供一手、可复现的深度技术洞察。
上一篇 Gemini 2.0 Pro – 谷歌推出的高性能多模态AI模型 Gemini 2.0 Pro – 谷歌推出的高性能多模态AI模型
下一篇 Agentic Reasoning – 牛津大学推出增强LLM推理能力的框架 Agentic Reasoning – 牛津大学推出增强LLM推理能力的框架
Ad image
Ad image

最近更新

GitHub Changelog 官方发布主图:GitHub Copilot CLI 1.0.113+ 公测支持 Microsoft Entra 身份登录与双轨企业推理
免GitHub账号直接终端跑AI!Copilot CLI上线Microsoft Entra登录:接入Work IQ MCP与Agent 365全链路审计拆解
AI 工具
The Verge 报道主图:《以撒的结合:忏悔+》因游戏音频文件残留 Suno 元数据遭 Steam 玩家差评轰炸并紧急移除
《以撒的结合》翻车!Suno元数据抓包引爆差评轰炸:AI资产供应链污染与Steam披露红线全拆解
AIGC 资讯
Hello Partner 深度报道主图:2026 年黑五消费前夕 Barclays 与 KPMG 对英国消费者使用 AI 工具比价给出悬殊数据
55%用AI找黑五折扣还是仅12%问大模型?Barclays与KPMG调研打架真相:零点击比价、84%返利盲区与联盟归因断层全拆解
AI 工具
The Verge 专题主视觉:开发者正借助 Claude Code 与 Codex 等 AI 编程工具改造电视、相机与嵌入式硬件固件
从电视去广告到PS5跑老盘!Vibe Coding正席卷消费硬件固件:Take-Two预警强硬DRM反制与ESP32安全替代路径全拆解
最新趋势

相关推荐

字节跳动发布Seed GR-3通用机器人模型:40亿参数“大脑”+三合一训练法,攻克柔性物体与长程任务
AI 工具AIGC 资讯

字节跳动发布Seed GR-3通用机器人模型:40亿参数“大脑”+三合一训练法,攻克柔性物体与长程任务

Prompt 语宙研究院
3D与空间智能 ByteMini 大模型微调 字节跳动 机器人模型 通用机器人
FunASR – 阿里开源的多功能语音识别工具包
AIGC 资讯

FunASR – 阿里开源的多功能语音识别工具包

Prompt 语宙研究院
AI音频与语音 大模型微调 开源大模型 达摩院 通义千问
GPT-4.5 通过图灵测试胜率73%超真人!AI如何学会‘完美撒谎’颠覆信任
AIGC 资讯最新趋势

GPT-4.5 通过图灵测试胜率73%超真人!AI如何学会‘完美撒谎’颠覆信任

Prompt 语宙研究院
AI伦理 GPT-4.5 PNAS 图灵测试 大语言模型
Qwen2.5-VL – 阿里通义千问开源的视觉语言模型
AIGC 资讯

Qwen2.5-VL – 阿里通义千问开源的视觉语言模型

Prompt 语宙研究院
ChatGPT HuggingFace 大模型微调 开源大模型 通义千问
/ Prompt 语宙 /

探索生成式 AI 的无限创作潜能,一站式获取前沿 AIGC 资讯、高阶 Prompt 咒语与全球实用 AI 工具。

核心专栏

  • 语宙 AI 工具导航
  • EVA 视觉抠图工坊Hot
  • 出海数字营销宝典
  • AI 生图咒语灵感库
  • 24H 硅谷 AI 情报流

生态与服务

  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作

标签

开源大模型 AI智能体 AI办公效率 AI绘画提示词 OpenAI 大模型微调 Midjourney AI编程 stable diffusion AI视频生成 ChatGPT 3D与空间智能 HuggingFace AI音频与语音 RAG检索增强 Claude Flux AIGC Gemini 通义千问 Anthropic Llama Cursor DeepSeek Prompt AI Agent Kimi 智谱AI 具身智能 Claude Code
Prompt 语宙Prompt 语宙
Follow US
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.