Суть релиза: компактность и точность
Институт технологических инноваций (TII) из Абу-Даби выпустил Falcon-ASR — модель распознавания речи объемом 1.6 млрд параметров. Ключевая особенность модели: единые веса для пяти языков (арабский, английский, французский, испанский, португальский) без необходимости указания языка ввода. Модель также выдает пословные временные метки, что критично для субтитров и поиска по аудио.
В отличие от открытых аналогов, Falcon-ASR пока не публикует веса или лицензию. Доступен только хостинг на Hugging Face с ограничением: клипы до 60 секунд и 20 МБ. API и нативные приложения запланированы на будущее.
Результаты на арабском: лидерство в нише
TII оценила модель по протоколу Open Universal Arabic ASR Leaderboard. Falcon-ASR показала средний WER (Word Error Rate) 20.92%, что на 2.25 пункта лучше ближайшего конкурента Audar-ASR-V1-Turbo. Особый упор сделан на эмиратский диалект, где модель превзошла даже 30-миллиардную Qwen3-Omni.
| Модель | Параметры | Средний WER (%) | Средний CER (%) |
|---|---|---|---|
| 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 |
Эмиратский диалект: разрыв с конкурентами
На внутреннем тестовом наборе данных по эмиратскому и гольфскому диалектам Falcon-ASR показала WER 22.73%. Это на 4.07 пункта лучше, чем у Qwen3-Omni-30B-A3B-Instruct, и на 5.16 пункта лучше, чем у Audar-ASR-V1-Turbo. Тесты проводились на записях с человеческой валидацией, дополняющих публичный датасет Casablanca.
| Модель | Параметры | WER (%) | CER (%) |
|---|---|---|---|
| Falcon-ASR | 1.6B | 22.73 | 10.19 |
| Qwen3-Omni-30B-A3B-Instruct | 30B (3B active) | 26.80 | 12.72 |
| Audar-ASR-V1-Turbo | 2.35B | 27.89 | 13.75 |
| Cohere Transcribe Arabic | 2.0B | 31.05 | 18.07 |
Английский язык и технические детали
На 7 наборах данных английского языка (Hugging Face Open ASR Leaderboard) Falcon-ASR достигла среднего WER 5.74%. Результаты варьируются от 1.75% на LibriSpeech clean до 11.86% на Earnings-22. Для сравнения, Qwen3-ASR-1.7B показывает 5.76% на тех же наборах. Данные по французскому, испанскому и португальскому языкам TII не публиковала.
Почему это важно для разработчиков
Falcon-ASR доказывает, что компактные модели (1.6B) могут превосходить более крупные системы (7B+) в специфичных диалектных задачах. Однако текущая закрытость (отсутствие весов, лицензии и API) делает её пока лишь исследовательским инструментом. Разработчикам, нуждающимся в открытой интеграции, стоит обратить внимание на Audar (лицензия Community) или Cohere (Apache 2.0), хотя Falcon-ASR предлагает более высокую точность для арабского сегмента.
Источник: MarkTechPost ↗