/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
FireRedASR2-AED
Библиотека
openasr
Опубликована
7 июл 2026

firered-aed-l-v2

Распознавание речиАудио → текст6 профессий

OpenASR/firered-aed-l-v2 — модель автоматического распознавания речи, созданная FireRedTeam и упакованная для работы в среде OpenASR.

4 761скачиваний за 30 дней0лайковвеса обновлены27 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Она предназначена для локального преобразования речи в текст, включая распознавание путунхуа, английского языка и их смешанной речи, а также китайских диалектов и акцентов. Модель может применяться для транскрибации аудио на CPU и GPU без использования Python во время инференса.

В основе лежит attention-based encoder-decoder архитектура с Conformer-энкодером и Transformer-декодером. Модель содержит 1,1 млрд параметров и является развитием FireRedASR2-AED; она обучена с использованием расширенного словаря. Заявлены высокие результаты на китайской речи: средний CER 3,05% на четырёх публичных тестах путунхуа, 11,67% на 19 тестах китайских диалектов и акцентов, а также 1,17% на тесте песенных текстов. Для aishell1 указан CER 0,57%. Доступны варианты fp16, q8_0 и q4_k; q4_k уменьшает размер и пиковое потребление памяти, а fp16 ориентирован на максимальную точность.

Модель особенно сильна в распознавании китайской речи, диалектов, акцентов, код-свитчинга и песенного вокала. Ограничения включают Mandarin-first специализацию и отсутствие в README сведений о поддерживаемых языках помимо китайского и английского, максимальной длине контекста и точности на других типах аудио. Пакеты распространяются по лицензии Apache-2.0, унаследованной от исходной модели FireRedASR2-AED.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

FireRedASR2 AED-L · OpenASR

FireRedTeam's Mandarin-first bilingual ASR — attention encoder-decoder tuned for state-of-the-art Chinese and dialect accuracy

License Format Runtime Base model

Native speech-to-text in the OpenASR runtime — engineered for peak performance on CPU & GPU, no Python at inference time.


✨ Highlights

  • 🥇 State-of-the-art Mandarin accuracy — 3.05% average CER across four public Mandarin benchmarks, with 0.57% CER on aishell1 (arXiv:2603.10420 Table 2)
  • 🗣️ Strong dialect coverage — 11.67% average CER across 19 public Chinese dialect/accent benchmarks, beating Doubao-ASR (15.39%) and matching Qwen3-ASR (11.85%) on the paper's own comparison table
  • 🇨🇳🇬🇧 Bilingual Mandarin + English — one 1.1B checkpoint decodes both languages plus code-switching, no language flag needed
  • 🎤 Singing-lyrics robustness — the paper reports 1.17% CER on a singing-lyrics benchmark, alongside the speech-recognition numbers above
  • 🏗️ Conformer encoder + Transformer decoder — an attention-based encoder-decoder, architecturally identical to FireRedASR-AED-L, retrained on a larger vocabulary
  • 🦀 Native in OpenASR — .oasr packs run with no Python at inference, engineered for peak performance on CPU & GPU

🚀 Quickstart

# 1. Install the OpenASR CLI  ·  https://openasr.org
# 2. Pull a build (pick a quant — see the table below)
openasr pull firered-aed-l-v2:q4

# 3. Transcribe
openasr transcribe audio.wav --model firered-aed-l-v2

All builds for this model:

openasr pull firered-aed-l-v2:fp16
openasr pull firered-aed-l-v2:q8
openasr pull firered-aed-l-v2:q4

📦 Available builds

QuantFile (.oasr)SizeRAM peakRTF · M1 CPURTF · M1 GPUJFK ΔWER vs fp16
fp16firered-aed-l-v2-fp16.oasr2.35 GB4.74 GB0.40×0.79×0.0%
q8_0firered-aed-l-v2-q8_0.oasr1.28 GB4.35 GB0.36×0.35×0.0%
q4_kfirered-aed-l-v2-q4_k.oasr1.06 GB1.27 GBn/an/an/a

RTF = real-time factor on the fixed 11s JFK clip (lower is faster); RAM peak measured per pack in an isolated subprocess. JFK ΔWER compares each quantized build's JFK transcript to this model's fp16 JFK transcript, so it measures quantization drift rather than absolute recognition accuracy. q4_k is the recommended default — near-reference quality at a fraction of the footprint.

🧠 About FireRedASR2 AED-L

FireRedASR2-AED is the attention-based encoder-decoder member of FireRedASR2, the successor to FireRedTeam's open-source industrial-grade FireRedASR speech-recognition family, released as part of the FireRedASR2S all-in-one ASR system. It pairs a Conformer encoder with a Transformer decoder at 1.1B parameters -- architecturally byte-identical to the original FireRedASR-AED-L -- retrained on a larger token vocabulary. The FireRedASR2S technical report (arXiv:2603.10420, Table 2) reports 3.05% average Character Error Rate across four public Mandarin benchmarks (aishell1 at 0.57%), 11.67% average CER across 19 public Chinese dialect/accent benchmarks, and 1.17% CER on a singing-lyrics benchmark, outperforming Doubao-ASR and matching Qwen3-ASR on the paper's own comparison table. It is bilingual (Mandarin Chinese and English, including code-switching). This OpenASR repo repackages the weights as .oasr packs that run natively in the OpenASR runtime -- no Python at inference time, all decoding local. The q4_k build is the recommended default for everyday use; q8_0 trades some size for closer fp16 fidelity and fp16 is for maximum fidelity or verification. Note: FireRedTeam also publishes a larger FireRedASR2-LLM (Encoder-Adapter-LLM, 2.89%/11.55% avg CER) variant that this repo does not distribute -- the numbers above are for this AED checkpoint only, and should not be conflated with the original (v1) FireRedASR-AED-L's 3.18%/0.55% figures, which come from a different training run and benchmark protocol.

⚙️ How these packs were made

Converted from FireRedTeam/FireRedASR2-AED with the OpenASR importer:

openasr model-pack import firered-aed <src> <out>.oasr \
  --package-id firered-aed-l-v2 --quantization {fp16,q8-0,q4-k}

The .oasr container is GGUF-backed; packs use zero-copy mmap weight binding and graph buffer reuse to keep peak memory low.

⚖️ License

These packs inherit the upstream model's license: Apache-2.0 (source). OpenASR packaging retains the upstream copyright and NOTICE; the only modifications are format conversion and quantization.

🙏 Acknowledgements

This pack is a redistribution of FireRedASR2-AED, created and released by FireRedTeam (FireRedTeam/FireRedASR2-AED, FireRedTeam/FireRedASR2S). All credit for the architecture, training, and weights belongs to FireRedTeam; the license is inherited from and identical to the upstream model (Apache-2.0, as declared on the upstream model card). Thank you to FireRedTeam for releasing their work openly. OpenASR only performs format conversion, quantization, runtime verification, and local-inference adaptation.

🔗 Links

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · openasr

Нельзя запустить

Библиотека «openasr» рантаймом не поддерживается.

Ревизия весов
878a7be

0 моделей