README.md

metadata

license: apache-2.0
pipeline_tag: audio-to-audio
tags:
  - axmodel
  - axera
  - FireRedASR-AED

FireRedASR-AED

小红书 ASR AED-L 在 AX650N 上的 NPU 部署（原项目： FireRedTeam/FireRedASR）。 支持中文、英文，最长 10s 输入，超长音频自动 VAD 切分。

模型

文件	说明
axmodel/encoder.axmodel / axmodel/decoder_loop.axmodel	Pulsar2 7.0-lite 重转换（encoder U16 + decoder U8 密集校准）
fsmn_vad/fsmn_vad_10s_fp32.axmodel + fsmn_vad/am.mvn	FSMN-VAD（FunASR）NPU 语音门控

VAD 说明（2026-08-24）

• 超长音频按 10s 块处理；每块用 FSMN-VAD 判断是否含语音， 检出语音 ≥ 1s 才整块送 ASR，静音/噪声块直接返回空。
• 适配远场/低信噪比录音：3 分钟立体声录音可输出完整转写， 同时静音/噪声不产生幻觉。

指标（AX650N，4 条测试语音）

• CER：3.37%
• RTF：约 0.3（Python），0.225（C++ SDK）

使用

conda create -n fireredasr python=3.12
conda activate fireredasr
pip install -r requirements.txt
pip install axengine-0.1.3-py3-none-any.whl   # pyaxengine
python openai/openai_server.py \
  --encoder axmodel/encoder.axmodel \
  --decoder axmodel/decoder_loop.axmodel \
  --fsmn-vad fsmn_vad/fsmn_vad_10s_fp32.axmodel \
  --fsmn-cmvn fsmn_vad/am.mvn \
  --cmvn axmodel/cmvn.ark --dict axmodel/dict.txt \
  --pe axmodel/pe.npy --max-dur 10 --max-steps 128

OpenAI API

• C++ 预编译：cpp/bin/firered_openai_server、cpp/bin/firered_openai_client （用法见 cpp/bin/README.md）
• Python：openai/openai_server.py、openai/openai_client.py（stdlib，零额外依赖）
• Python ASR 核心：openai/firered_asr.py + openai/fsmn_vad_post.py （numpy + pyaxengine + kaldi-native-fbank，无 torch/onnxruntime）
• 端点：POST /v1/audio/transcriptions（multipart file）、GET /v1/models

7.0 重转换、C++ SDK 源码与构建说明见 GitHub（cpp/、reports/）。