Falcon ASR:新たな音声認識モデルが発表される

Falcon ASR:新たな音声認識モデルが発表される
1 分の読書

アブダビのTechnology Innovation Institute(TII)は、主にアラビア語、特にアラブ首長国連邦(UAE)の方言に焦点を当てた、16億パラメータの音声認識モデル「Falcon-ASR」を発表しました。 このモデルは英語、フランス語、スペイン語、ポルトガル語もサポートしています。

TIIによると、Falcon-ASRはアラビア語の6つのテストセットにおいて、単語誤り率(WER)の平均が20.92%を達成しました。同研究所が使用するランキングの公開版における最高記録は23.17%であり、その差は2.25パーセントポイントです。

これらの結果は、ELM Research Centerが管理する「Open Universal Arabic ASR Leaderboard」に基づいています。このランキングは、6つのテストセットにおけるWERの平均(各セットの重みは均等)でシステムを評価します。また、文字誤り率(CER)も示されます。どちらの指標も、値が低いほど優れた結果です。競合他社の数値は、記事によれば2026年9月30日時点で検証されています。

アラブ首長国連邦方言に特化した内部テスト

公開データには既にアラブ首長国連邦方言(例:Casablancaのアラブ首長国連邦方言サブセット)が含まれています。TIIは、トレーニングに使用されていないテストと人間による検証済み書き起こしを用いた、追加のアラブ首長国連邦方言および湾岸方言の録音に基づく内部評価により、このカバレッジを補完しました。

このテストにおいて、Falcon-ASRはWER 22.73%、CER 10.19%を記録し、比較対象システムの中で最も低い値となりました。そのWERは、2位のQwen3-Omniよりも4.07ポイント低くなっています。

多様な録音条件に対応するため、トレーニングには背景雑音、重なり合う発話、音楽、室内残響、電話音響効果、および話速や声の高さの変動が組み込まれました。同じ処理がアラブ首長国連邦方言の録音にも適用され、会議、通話、その他の日常的な録音にモデルを適応させることを目的としています。

英語およびその他の言語

Falcon-ASRは同じ重み付けで英語も書き起こします。Hugging Faceの「Open ASR Leaderboard」で使用される7つの公開英語テストセットにおいて、平均WERは5.74%に達しました。

フランス語、スペイン語、ポルトガル語も同じ重み付けを使用し、事前に言語を指定する必要はありません。出力は実際に話された言語での書き起こしとなります。さらに、このモデルは単語レベルのタイムスタンプにより、書き起こされた各単語を音声録音内の位置に関連付けることができます。

Falcon-ASRはFalcon3-Audioを基盤としており、そのアーキテクチャとトレーニング手法は学術論文で説明されています。プロジェクトのHugging Faceスペースでデモが公開されており、TIIはAPIによるアクセスおよびネイティブアプリケーションの提供も計画されていると述べています。

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