A Technology Innovation Institute (TII) de Abu Dhabi lançou o Falcon-ASR, um modelo de reconhecimento de fala de 1.6B parâmetros com foco no dialeto emiriatas. Também transcreve inglês, francês, espanhol e português — com um único conjunto de pesos.
O que é o Falcon-ASR?
É um modelo speech-to-text que converte fala em texto. As 5 idiomas compartilham um único conjunto de pesos. O modelo não precisa de flag de idioma e retorna texto no idioma falado. Também retorna timestamps por palavra, ligando cada palavra à sua posição no áudio — importante para legendas, gravações pesquisáveis e notas de reunião.
Avaliação em árabe
Na avaliação da TII, o Falcon-ASR atinge 20.92% de WER médio em 6 conjuntos de teste públicos de árabe. Isso supera o melhor sistema publicado no leaderboard da ELM Research Center por 2.25 pontos.
| Modelo | Parâmetros | WER médio (%) | CER médio (%) |
|---|---|---|---|
| Falcon-ASR | 1.6B | 20.92 | 8.79 |
| Audar-ASR-V1-Turbo | 2.35B | 23.17 | 9.23 |
| Cohere Transcribe Arabic | 2.0B | 25.87 | 11.80 |
| omniASR LLM 7B | 7.0B | 28.32 | 12.52 |
Observação: o número do Falcon-ASR é da própria TII, não uma entrada no leaderboard. O Audar reporta 9.20% de CER médio no model card.
Dialeto emiriatas
A TII construiu um conjunto de teste interno de emiriatas e Golfo com gravações retidas e transcrições validadas por humanos.
| Modelo | Parâmetros | WER (%) | CER (%) |
|---|---|---|---|
| Falcon-ASR | 1.6B | 22.73 | 10.19 |
| Qwen3-Omni-30B-A3B-Instruct | 30B (3B ativos) | 26.80 | 12.72 |
| Audar-ASR-V1-Turbo | 2.35B | 27.89 | 13.75 |
| Cohere Transcribe Arabic | 2.0B | 31.05 | 18.07 |
| Qwen3-ASR-1.7B | 2.0B | 31.52 | 13.35 |
O Falcon-ASR lidera por 4.07 pontos de WER sobre o Qwen3-Omni de 30B. O conjunto de teste é privado, então não pode ser replicado.
Inglês
Nos 7 conjuntos de teste do Hugging Face Open ASR Leaderboard, a TII reporta 5.74% de WER médio. As pontuações por conjunto variam de 1.75% (LibriSpeech clean) a 11.86% (Earnings-22). Para contexto, o Qwen3-ASR-1.7B lista 5.76% de WER médio nesse leaderboard.
Comparação com modelos de ASR árabes mais próximos
| Recurso | Falcon-ASR | Audar-ASR-V1-Turbo | Cohere Transcribe Arabic | Qwen3-ASR-1.7B |
|---|---|---|---|---|
| Organização | TII (EAU) | AudarAI | Cohere | Alibaba Qwen |
| Parâmetros | 1.6B | 2.35B | 2B | 1.7B |
| Arquitetura | Baseado em Falcon3-Audio | Encoder de áudio + decoder LM | FastConformer + Transformer | Baseado em Qwen3-Omni |
| Licença | Não divulgada | AudarAI Community License v1.0 | Apache 2.0 | Apache 2.0 |
| Pesos abertos | Não | Sim (BF16, GGUF, W4A16) | Sim | Sim |
| Idiomas | 5 (árabe c/ emiriatas, EN, FR, ES, PT) | 30 (árabe-first) | Árabe, inglês | 30 idiomas + 22 dialetos chineses |
| WER árabe médio (6 sets) | 20.92 (avaliação TII) | 23.17 | 25.87 | 33.36 |
| WER emiriatas TII | 22.73 | 27.89 | 31.05 | 31.52 |
| WER inglês médio | 5.74 (avaliação TII) | Não divulgado | Não divulgado | 5.76 |
| Timestamps | Por palavra | Não divulgado | Não divulgado | Via Qwen3-ForcedAligner |
| Acesso | Demo HF; API planejada | Pesos + API Audar | Pesos + API Cohere | Pesos + API DashScope |
Pontos-chave
- Falcon-ASR é um modelo de fala de 1.6B da TII com foco em árabe e dialeto emiriatas
- 20.92% de WER médio em árabe, 2.25 pontos à frente do Audar-ASR-V1-Turbo
- Supera o Qwen3-Omni de 30B por 4.07 pontos de WER no conjunto emiriatas da TII
- 1 conjunto de pesos cobre 5 idiomas, com timestamps por palavra
- Sem pesos, licença ou API ainda — disponível apenas como demo de 60 segundos no Hugging Face
Fontes:
- MarkTechPost — TII Releases Falcon-ASR
- Hugging Face — Falcon-ASR Blog
- Hugging Face — Falcon3-Audio Paper (arXiv)
- Hugging Face — Falcon-ASR Demo
- ELM Research Center — Open Universal Arabic ASR Leaderboard
Fontes e referências
Encontrou uma informação que precisa de correção? Fale com a redação.