The AI / news

Falcon ASR : представлена новая модель распознавания речи

Falcon ASR : представлена новая модель распознавания речи
2 мин чтения

Technology Innovation Institute (TII) в Абу-Даби представляет Falcon-ASR — модель распознавания речи с 1,6 миллиарда параметров, ориентированную в первую очередь на арабский язык, с особым вниманием к эмиратскому диалекту. Модель также поддерживает английский, французский, испанский и португальский языки.

По данным TII, Falcon-ASR демонстрирует средний процент ошибок на словах (WER, Word Error Rate) в 20,92% на шести арабских тестовых наборах. Лучший опубликованный результат в используемой институтом версии рейтинга составляет 23,17%. Разница — 2,25 процентных пункта.

Эти результаты основаны на Open Universal Arabic ASR Leaderboard, которым управляет ELM Research Center. Рейтинг ранжирует системы по среднему WER на шести тестовых наборах с равным весом для каждого. В рейтинге также указывается процент ошибок на символах (CER, Character Error Rate). Для обоих показателей чем ниже значение, тем лучше результат. По данным статьи, цифры конкурентов были проверены 30 сентября 2026 года.

Внутренний тест, сфокусированный на эмиратском диалекте

Публичные данные уже включают эмиратский диалект, в частности эмиратское подмножество Casablanca. TII дополнил это покрытие внутренней оценкой, основанной на дополнительных записях на эмиратском и других диалектах Персидского залива, используя тесты, не применявшиеся для обучения, и транскрипции, проверенные людьми.

В этом тесте Falcon-ASR показывает WER 22,73% и CER 10,19% — самые низкие значения среди сравниваемых систем. Его WER на 4,07 пункта ниже, чем у Qwen3-Omni, занимающей второе место.

Чтобы охватить различные условия записи, в обучение были включены фоновые шумы, перекрывающаяся речь, музыка, комнатная реверберация и эффекты телефонии, а также вариации скорости и высоты голоса. Та же обработка была применена к эмиратским записям, чтобы подготовить модель к встречам, звонкам и другим повседневным записям.

Английский и другие языки

Falcon-ASR также транскрибирует английский язык с теми же весами. На семи публичных английских тестовых наборах, используемых в рейтинге Hugging Face Open ASR Leaderboard, средний WER достигает 5,74%.

Французский, испанский и португальский языки также используют те же веса, без необходимости указывать язык заранее. На выходе получается транскрипция на фактически произнесенном языке. Кроме того, модель может связать каждое расшифрованное слово с его позицией в аудиозаписи благодаря временным меткам на уровне слов.

Falcon-ASR основан на Falcon3-Audio, архитектура и метод обучения которого описаны в научной статье. Демонстрация доступна в пространстве проекта на Hugging Face, и TII сообщает, что запланирован доступ через API, а также нативные приложения.

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