Falcon ASR : un nouveau modèle de reconnaissance vocale est présenté

Falcon ASR : un nouveau modèle de reconnaissance vocale est présenté
2 min de lecture

Le Technology Innovation Institute (TII), à Abou Dhabi, présente Falcon-ASR, un modèle de reconnaissance vocale de 1,6 milliard de paramètres dédié principalement à l’arabe, avec une attention particulière portée au dialecte émirati. Le modèle prend aussi en charge l’anglais, le français, l’espagnol et le portugais.

Selon le TII, Falcon-ASR atteint un taux d’erreur moyen sur les mots (WER, Word Error Rate) de 20,92 % sur six jeux de test en arabe. Le meilleur résultat publié dans la version du classement utilisée par l’institut s’établit à 23,17 %. L’écart est de 2,25 points de pourcentage.

Ces résultats s’appuient sur l’Open Universal Arabic ASR Leaderboard, géré par le ELM Research Center, qui classe les systèmes selon la moyenne des WER sur six jeux de test, avec un poids égal pour chacun. Le classement indique aussi le taux d’erreur sur les caractères (CER, Character Error Rate). Pour ces deux indicateurs, plus la valeur est basse, meilleur est le résultat. Les chiffres des concurrents ont été vérifiés, selon l’article, le 30 septembre 2026.

Un test interne centré sur l’émirati

Des données publiques incluent déjà l’émirati, notamment le sous-ensemble émirati de Casablanca. Le TII a complété cette couverture avec une évaluation interne portant sur des enregistrements supplémentaires en émirati et en dialectes du Golfe, à partir de tests non utilisés pour l’entraînement et de transcriptions validées par des humains.

Sur ce test, Falcon-ASR obtient un WER de 22,73 % et un CER de 10,19 %, les valeurs les plus basses parmi les systèmes comparés. Son WER est inférieur de 4,07 points à celui de Qwen3-Omni, qui arrive en deuxième position.

Pour couvrir des conditions d’enregistrement variées, l’entraînement a intégré des bruits de fond, des paroles qui se chevauchent, de la musique, de la réverbération de salle et des effets de téléphonie, ainsi que des variations de vitesse et de hauteur de la voix. Le même traitement a été appliqué aux enregistrements émiratis, afin de préparer le modèle aux réunions, aux appels et aux autres enregistrements du quotidien.

Anglais et autres langues

Falcon-ASR transcrit aussi l’anglais avec les mêmes poids. Sur les sept jeux de test publics anglais utilisés par le classement Open ASR Leaderboard de Hugging Face, le WER moyen atteint 5,74 %.

Le français, l’espagnol et le portugais utilisent eux aussi les mêmes poids, sans qu’il faille indiquer la langue à l’avance. La sortie est une transcription dans la langue effectivement parlée. Le modèle peut par ailleurs associer chaque mot transcrit à sa position dans l’enregistrement audio, grâce aux horodatages au niveau du mot.

Falcon-ASR repose sur Falcon3-Audio, dont l’architecture et la méthode d’entraînement sont décrites dans un article scientifique. Une démonstration est accessible dans l’espace Hugging Face du projet, et le TII indique que l’accès par API ainsi que des applications natives sont prévus.

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