Falcon ASR : apresentado um novo modelo de reconhecimento de voz

Falcon ASR : apresentado um novo modelo de reconhecimento de voz
3 min de leitura

O Technology Innovation Institute (TII), em Abu Dhabi, apresenta o Falcon-ASR, um modelo de reconhecimento de voz com 1,6 mil milhões de parâmetros, dedicado principalmente ao árabe, com uma atenção especial ao dialecto dos Emirados Árabes Unidos. O modelo também suporta inglês, francês, espanhol e português.

De acordo com o TII, o Falcon-ASR atinge uma taxa média de erro por palavra (WER, Word Error Rate) de 20,92% em seis conjuntos de teste em árabe. O melhor resultado publicado na versão do ranking utilizada pelo instituto é de 23,17%. A diferença é de 2,25 pontos percentuais.

Estes resultados baseiam-se no Open Universal Arabic ASR Leaderboard, gerido pelo ELM Research Center, que classifica os sistemas de acordo com a média dos WER em seis conjuntos de teste, com um peso igual para cada um. O ranking também indica a taxa de erro por carácter (CER, Character Error Rate). Para estes dois indicadores, quanto mais baixo o valor, melhor o resultado. Os números dos concorrentes foram verificados, de acordo com o artigo, a 30 de setembro de 2026.

Um teste interno centrado no dialecto dos Emirados Árabes Unidos

Os dados públicos já incluem o dialecto dos Emirados Árabes Unidos, nomeadamente o subconjunto dos Emirados Árabes Unidos de Casablanca. O TII complementou esta cobertura com uma avaliação interna focada em gravações adicionais no dialecto dos Emirados Árabes Unidos e em dialectos do Golfo, a partir de testes não utilizados para o treino e de transcrições validadas por humanos.

Neste teste, o Falcon-ASR obtém um WER de 22,73% e um CER de 10,19%, os valores mais baixos entre os sistemas comparados. O seu WER é inferior em 4,07 pontos ao do Qwen3-Omni, que ocupa a segunda posição.

Para cobrir condições de gravação variadas, o treino integrou ruídos de fundo, falas sobrepostas, música, reverberação de sala e efeitos de telefonia, bem como variações de velocidade e de tom de voz. O mesmo tratamento foi aplicado às gravações no dialecto dos Emirados Árabes Unidos, de forma a preparar o modelo para reuniões, chamadas e outras gravações do quotidiano.

Inglês e outras línguas

O Falcon-ASR também transcreve inglês com os mesmos pesos. Nos sete conjuntos de teste públicos em inglês utilizados pelo ranking Open ASR Leaderboard da Hugging Face, o WER médio atinge 5,74%.

O francês, o espanhol e o português também utilizam os mesmos pesos, sem que seja necessário indicar a língua antecipadamente. A saída é uma transcrição na língua efetivamente falada. O modelo pode ainda associar cada palavra transcrita à sua posição na gravação de áudio, graças às marcações temporais ao nível da palavra.

O Falcon-ASR baseia-se no Falcon3-Audio, cuja arquitetura e método de treino são descritos num artigo científico. Uma demonstração está acessível no espaço Hugging Face do projeto, e o TII indica que o acesso por API, bem como aplicações nativas, estão previstos.

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