Falcon ASR : se presenta un nuevo modelo de reconocimiento de voz

Falcon ASR : se presenta un nuevo modelo de reconocimiento de voz
2 min de lectura

El Technology Innovation Institute (TII), en Abu Dabi, presenta Falcon-ASR, un modelo de reconocimiento de voz de 1.600 millones de parámetros dedicado principalmente al árabe, con especial atención al dialecto emiratí. El modelo también admite inglés, francés, español y portugués.

Según el TII, Falcon-ASR alcanza una tasa de error promedio en palabras (WER, Word Error Rate) del 20,92 % en seis conjuntos de prueba en árabe. El mejor resultado publicado en la versión del ranking utilizado por el instituto se sitúa en el 23,17 %. La diferencia es de 2,25 puntos porcentuales.

Estos resultados se basan en el Open Universal Arabic ASR Leaderboard, gestionado por el ELM Research Center, que clasifica los sistemas según el promedio de WER en seis conjuntos de prueba, con un peso igual para cada uno. El ranking también indica la tasa de error en caracteres (CER, Character Error Rate). Para estos dos indicadores, cuanto más baja es la cifra, mejor es el resultado. Las cifras de los competidores fueron verificadas, según el artículo, el 30 de septiembre de 2026.

Una prueba interna centrada en el emiratí

Los datos públicos ya incluyen el emiratí, en particular el subconjunto emiratí de Casablanca. El TII complementó esta cobertura con una evaluación interna centrada en grabaciones adicionales en emiratí y dialectos del Golfo, a partir de pruebas no utilizadas para el entrenamiento y transcripciones validadas por humanos.

En esta prueba, Falcon-ASR obtiene un WER del 22,73 % y un CER del 10,19 %, los valores más bajos entre los sistemas comparados. Su WER es 4,07 puntos inferior al de Qwen3-Omni, que ocupa la segunda posición.

Para cubrir condiciones de grabación variadas, el entrenamiento integró ruido de fondo, habla superpuesta, música, reverberación de sala y efectos de telefonía, así como variaciones de velocidad y tono de voz. El mismo tratamiento se aplicó a las grabaciones emiratíes, para preparar al modelo para reuniones, llamadas y otras grabaciones cotidianas.

Inglés y otros idiomas

Falcon-ASR también transcribe inglés con los mismos pesos. En los siete conjuntos de prueba públicos en inglés utilizados por el ranking Open ASR Leaderboard de Hugging Face, el WER promedio alcanza el 5,74 %.

El francés, el español y el portugués también utilizan los mismos pesos, sin necesidad de indicar el idioma de antemano. La salida es una transcripción en el idioma realmente hablado. El modelo puede además asociar cada palabra transcrita a su posición en la grabación de audio, gracias a las marcas de tiempo a nivel de palabra.

Falcon-ASR se basa en Falcon3-Audio, cuya arquitectura y método de entrenamiento se describen en un artículo científico. Una demostración está accesible en el espacio Hugging Face del proyecto, y el TII indica que se prevé el acceso por API así como aplicaciones nativas.

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