Falcon ASR : Ein neues Spracherkennungsmodell wird vorgestellt

Falcon ASR : Ein neues Spracherkennungsmodell wird vorgestellt
2 Minuten Lesezeit

Das Technology Innovation Institute (TII) in Abu Dhabi stellt Falcon-ASR vor, ein Spracherkennungsmodell mit 1,6 Milliarden Parametern, das hauptsächlich für Arabisch ausgelegt ist, mit besonderem Fokus auf den emiratischen Dialekt. Das Modell unterstützt auch Englisch, Französisch, Spanisch und Portugiesisch.

Laut TII erreicht Falcon-ASR eine durchschnittliche Wortfehlerrate (WER) von 20,92 % auf sechs arabischen Testdatensätzen. Das beste veröffentlichte Ergebnis in der vom Institut verwendeten Version des Rankings liegt bei 23,17 %. Die Differenz beträgt 2,25 Prozentpunkte.

Diese Ergebnisse basieren auf dem Open Universal Arabic ASR Leaderboard, der vom ELM Research Center verwaltet wird und Systeme nach dem Durchschnitt der WER auf sechs Testdatensätzen mit gleicher Gewichtung einordnet. Das Ranking gibt auch die Zeichenfehlerrate (CER) an. Für beide Indikatoren gilt: Je niedriger der Wert, desto besser das Ergebnis. Die Zahlen der Wettbewerber wurden laut Artikel am 30. September 2026 überprüft.

Ein interner Test mit Fokus auf Emiratisch

Öffentliche Daten enthalten bereits Emiratisch, insbesondere den emiratischen Teil von Casablanca. Das TII hat diese Abdeckung durch eine interne Bewertung ergänzt, die auf zusätzlichen Aufnahmen in Emiratisch und Golf-Dialekten basiert, unter Verwendung von Tests, die nicht für das Training genutzt wurden, und von Menschen validierten Transkriptionen.

In diesem Test erzielt Falcon-ASR eine WER von 22,73 % und eine CER von 10,19 %, die niedrigsten Werte unter den verglichenen Systemen. Seine WER liegt 4,07 Punkte unter der von Qwen3-Omni, das den zweiten Platz belegt.

Um verschiedene Aufnahmebedingungen abzudecken, wurden beim Training Hintergrundgeräusche, überlappende Sprache, Musik, Hall und Telefonieeffekte sowie Variationen in Sprechgeschwindigkeit und Tonhöhe integriert. Die gleiche Behandlung wurde auf die emiratischen Aufnahmen angewendet, um das Modell auf Meetings, Anrufe und andere Alltagsaufnahmen vorzubereiten.

Englisch und andere Sprachen

Falcon-ASR transkribiert auch Englisch mit denselben Gewichten. Auf den sieben öffentlichen englischen Testdatensätzen, die vom Open ASR Leaderboard von Hugging Face verwendet werden, erreicht die durchschnittliche WER 5,74 %.

Französisch, Spanisch und Portugiesisch nutzen ebenfalls dieselben Gewichte, ohne dass die Sprache im Voraus angegeben werden muss. Die Ausgabe ist eine Transkription in der tatsächlich gesprochenen Sprache. Das Modell kann zudem jedes transkribierte Wort mit seiner Position in der Audioaufnahme verknüpfen, dank Wort-Zeitstempeln.

Falcon-ASR basiert auf Falcon3-Audio, dessen Architektur und Trainingsmethode in einem wissenschaftlichen Artikel beschrieben sind. Eine Demo ist im Hugging Face Space des Projekts verfügbar, und das TII gibt an, dass API-Zugang sowie native Anwendungen geplant sind.

S’abonner
Notification pour
guest

0 Commentaires
Le plus ancien
Le plus récent Le plus populaire
0
Nous aimerions avoir votre avis, veuillez laisser un commentaire.x