Il Technology Innovation Institute (TII) di Abu Dhabi presenta Falcon-ASR, un modello di riconoscimento vocale da 1,6 miliardi di parametri dedicato principalmente all’arabo, con un’attenzione particolare al dialetto emiratino. Il modello supporta anche inglese, francese, spagnolo e portoghese.
Secondo il TII, Falcon-ASR raggiunge un tasso di errore medio sulle parole (WER, Word Error Rate) del 20,92% su sei set di test in arabo. Il miglior risultato pubblicato nella versione della classifica utilizzata dall’istituto è del 23,17%. La differenza è di 2,25 punti percentuali.
Questi risultati si basano sull’Open Universal Arabic ASR Leaderboard, gestito dall’ELM Research Center, che classifica i sistemi in base alla media dei WER su sei set di test, con un peso uguale per ciascuno. La classifica indica anche il tasso di errore sui caratteri (CER, Character Error Rate). Per entrambi gli indicatori, più basso è il valore, migliore è il risultato. I dati dei concorrenti sono stati verificati, secondo l’articolo, il 30 settembre 2026.
Un test interno focalizzato sull’emiratino
I dati pubblici includono già l’emiratino, in particolare il sottoinsieme emiratino di Casablanca. Il TII ha integrato questa copertura con una valutazione interna su registrazioni aggiuntive in emiratino e in dialetti del Golfo, utilizzando test non impiegati per l’addestramento e trascrizioni validate da esseri umani.
In questo test, Falcon-ASR ottiene un WER del 22,73% e un CER del 10,19%, i valori più bassi tra i sistemi confrontati. Il suo WER è inferiore di 4,07 punti rispetto a quello di Qwen3-Omni, che si posiziona al secondo posto.
Per coprire condizioni di registrazione variate, l’addestramento ha integrato rumori di fondo, parlato sovrapposto, musica, riverbero ambientale ed effetti telefonici, oltre a variazioni di velocità e altezza della voce. Lo stesso trattamento è stato applicato alle registrazioni emiratine, per preparare il modello a riunioni, chiamate e altre registrazioni quotidiane.
Inglese e altre lingue
Falcon-ASR trascrive anche l’inglese con gli stessi pesi. Sui sette set di test pubblici in inglese utilizzati dalla classifica Open ASR Leaderboard di Hugging Face, il WER medio raggiunge il 5,74%.
Il francese, lo spagnolo e il portoghese utilizzano anch’essi gli stessi pesi, senza bisogno di indicare preventivamente la lingua. L’output è una trascrizione nella lingua effettivamente parlata. Il modello può inoltre associare ogni parola trascritta alla sua posizione nella registrazione audio, grazie ai timestamp a livello di parola.
Falcon-ASR si basa su Falcon3-Audio, la cui architettura e metodo di addestramento sono descritti in un articolo scientifico. Una dimostrazione è accessibile nello spazio Hugging Face del progetto, e il TII indica che sono previsti l’accesso tramite API e applicazioni native.
