FireRedASR：多语言高精度语音识别开源模型-首席AI分享圈

🚀邀请体验：中国首家 AI IDE 智能编程软件 Trae 中文版下载，不限量使用 DeepSeek-R1 和 Doubao-pro!

综合介绍

FireRedASR 是由小红书 FireRed 团队开发并开源的语音识别模型，专注于提供高精度、多语言支持的自动语音识别（ASR）解决方案。项目托管于 GitHub，面向开发者与研究者，提供工业级设计，支持普通话、中文方言、英语以及歌词识别等场景。FireRedASR 分为两个主要版本：FireRedASR-LLM 追求极致精度，适用于专业需求；FireRedASR-AED 兼顾效率与性能，适合实时应用。截至2025年，该模型在中文普通话测试中刷新了最优纪录（CER 3.05%），并在多场景测试中表现出色，广泛适用于智能助手、视频字幕生成等领域。

FireRedASR：多语言高精度语音识别的开源模型-1

FireRedASR：WebUI一键安装包：https://github.com/jianchang512/fireredasr-ui

功能列表

支持普通话、中文方言和英语的语音转文字，识别准确率业界领先。
提供歌词识别功能，特别适用于多媒体内容处理。
包含 FireRedASR-LLM 和 FireRedASR-AED 两个版本，分别满足高精度和高效推理需求。
开源模型与推理代码，支持社区二次开发与定制化应用。
可处理多种音频输入场景，如短视频、直播、语音输入等。
支持批量音频处理，适合大规模数据转录任务。

使用帮助

安装流程

FireRedASR 需要一定的开发环境配置才能运行，以下是详细的安装步骤：

1.克隆项目仓库
打开终端，输入以下命令，将 FireRedASR 项目克隆到本地：

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

完成后，进入项目目录：

cd FireRedASR

创建 Python 环境
推荐使用 Conda 创建独立的 Python 环境，确保依赖隔离。运行以下命令：

conda create --name fireredasr python=3.10

激活环境：

conda activate fireredasr

安装依赖
项目提供了一个 requirements.txt 文件，包含所有必需的依赖包。安装命令如下：

pip install -r requirements.txt

等待安装完成，确保网络畅通，可能需要科学上网工具加速下载。

下载预训练模型

FireRedASR-AED-L：直接从 GitHub 或 Hugging Face 下载预训练模型，放入 pretrained_models/FireRedASR-AED-L 文件夹。
FireRedASR-LLM-L：除下载模型外，还需下载 Qwen2-7B-Instruct 模型，放入 pretrained_models 文件夹，并在 FireRedASR-LLM-L 目录下创建软链接：

ln -s ../Qwen2-7B-Instruct

验证安装
运行以下命令检查安装是否成功：

python speech2text.py --help

如果显示帮助信息，说明环境配置正确。

如何使用

FireRedASR 提供命令行和 Python API 两种使用方式，以下详细介绍主要功能的操作流程。

命令行操作

单文件转录（AED 模型）
使用 FireRedASR-AED-L 处理音频文件（最长支持 60 秒）：

python speech2text.py --wav_path examples/wav/BAC009S0764W0121.wav --asr_type "aed" --model_dir pretrained_models/FireRedASR-AED-L

--wav_path：指定音频文件路径。
--asr_type：选择模型类型，此处为 "aed"。
--model_dir：指定模型文件夹。
输出结果会显示在终端，例如转录的文本内容。

单文件转录（LLM 模型）
使用 FireRedASR-LLM-L 处理音频（最长支持 30 秒）：

python speech2text.py --wav_path examples/wav/BAC009S0764W0121.wav --asr_type "llm" --model_dir pretrained_models/FireRedASR-LLM-L

参数含义同上，输出为转录文本。

Python API 操作

加载模型并转录
在 Python 脚本中调用 FireRedASR 模型：

from fireredasr.models.fireredasr import FireRedAsr
# 初始化 AED 模型
model = FireRedAsr.from_pretrained("aed", "pretrained_models/FireRedASR-AED-L")
batch_uttid = ["BAC009S0764W0121"]
batch_wav_path = ["examples/wav/BAC009S0764W0121.wav"]
results = model.transcribe(
batch_uttid, batch_wav_path,
{"use_gpu": 1, "beam_size": 3, "nbest": 1, "decode_max_len": 0}
)
print(results)

from_pretrained：加载指定模型。
transcribe：执行转录任务，返回结果为文本列表。

调整参数优化结果
- use_gpu：设为 1 使用 GPU 加速，设为 0 使用 CPU。
- beam_size：搜索束宽度，越大精度越高但耗时增加，默认 3。
- nbest：返回最佳结果数量，默认 1。

特色功能操作

歌词识别
FireRedASR-LLM 在歌词识别上表现优异。将歌曲音频输入（确保不超过 30 秒），运行：
```
python speech2text.py --wav_path your_song.wav --asr_type "llm" --model_dir pretrained_models/FireRedASR-LLM-L
```
**输出为歌曲文本，识别率可达业内领先水平。 **

多语言支持
对于方言或英语音频，直接使用上述命令或 API，模型会自动适配。例如处理英语音频：

model = FireRedAsr.from_pretrained("llm","pretrained_models/FireRedASR-LLM-L")
results = model.transcribe(["english_audio"],["path/to/english.wav"],{"use_gpu":1})
print(results)

注意事项