Інститут технологічних інновацій (TII) з Абу-Дабі представив Falcon-ASR — модель розпізнавання мовлення на 1,6 млрд параметрів з фокусом на еміратський діалект. Вона транскрибує арабську, а також англійську, французьку, іспанську та португальську, і повертає часові мітки на рівні слова. У власних оцінках TII модель досягає 20,92% середнього WER на шести арабських наборах і випереджає найкращий опублікований запис у знімку лідерборду на 2,25 пункту. Та для розробників є обмеження: наразі доступна лише хостингова демо-версія.
Що таке Falcon-ASR і чим вона вирізняється?
Falcon-ASR — це модель перетворення мовлення у текст від TII, що працює з арабською та чотирма іншими мовами одним набором ваг. Вона не потребує мовного прапорця та автоматично віддає текст мовою, якою звучить аудіо. Модель також повертає часові мітки на рівні слова, з’єднуючи кожне слово з його позицією в аудіо.
Для вас це означає зручне створення субтитрів, пошукових стенограм і нотаток зустрічей. Слово-по-слову синхронізація спрощує навігацію великими записами й пришвидшує редактуру. Це корисно для медіа, контакт-центрів і внутрішніх архівів компаній.
Модель підтримує п’ять мов: арабську (включно з еміратським фокусом), англійську, французьку, іспанську та португальську. Один набір ваг покриває всі п’ять, тому немає перемикань режимів або сигналів мови. Це спрощує інтеграцію там, де можливе перемикання коду.
Розмір моделі — 1,6 млрд параметрів. У матеріалах не зазначено максимальний аудіоконтекст. Демонстрація приймає кліпи тривалістю до 60 секунд і обсягом до 20 МБ, тож швидкі пробні транскрипції виконуються без додаткових налаштувань.
Як Falcon-ASR опрацьовує діалекти арабської?
Коротка відповідь: модель навмисно тренували на еміратській, MSA, інших гольфських і арабських діалектах, а також англійській. Мета — повсякденна мова, включно з діалектними формами та перемиканням коду між мовами, коли це трапляється в реальному житті.
Під час підготовки даних використовували агресивні аугментації: фоновий шум, накладання мовців, музику, реверберацію приміщень і телефонні ефекти. Варіювали також швидкість і висоту тону. Такий самий підхід застосували до еміратських записів, щоб підвищити стійкість до умов поля.
Falcon-ASR спирається на роботу TII Falcon3-Audio. Це дослідження описує аудіо-мовні моделі на основі інструкційно налаштованих LLM і енкодерів Whisper, навчені менш ніж на 30 тисячах годин публічного аудіо. Саме це контекстне підґрунтя вказує на підхід до об’єднання мовних завдань.
Водночас точну архітектуру Falcon-ASR і обсяг її навчальних даних у відкритих матеріалах не оприлюднено. Для вас це означає відсутність відтворюваних деталей про дизайн та масштаб корпусів, попри наведені результати.
Які результати Falcon-ASR на арабських бенчмарках?
TII дотримувався протоколу Open Universal Arabic ASR Leaderboard від ELM Research Center. Рейтинг визначають за середнім, рівноважним WER на шести тестових наборах. Використано «закріплені» маніфести лідерборду, а показники конкурентів — це опубліковані середні значення станом на 30 вересня 2026 року.
У цій рамці Falcon-ASR показує 20,92% середнього WER і 8,79% середнього CER. Це на 2,25 пункту краще за Audar-ASR-V1-Turbo (23,17% WER; 9,23% CER у наведеній таблиці). Cohere Transcribe Arabic має 25,87% WER і 11,80% CER, а omniASR LLM 7B — 28,32% WER і 12,52% CER.
Важливе зауваження: нижче — краще. Показник Falcon-ASR — це власний прогін TII, а не формальний запис на лідерборді. У картці Audar також зазначено середній CER 9,20%, що варто мати на увазі під час читання цифр.
Чому це важливо вам? Такі оцінки вказують, що компактна модель на 1,6B може змагатися з більшими арабомовними системами за метриками розпізнавання. Це сигнал для продуктів з пріоритетом арабської як основної мови взаємодії.
20,92% середнього WER на шести арабських наборах — і на 2,25 пункту краще за опублікований орієнтир Audar-ASR-V1-Turbo.
Як Falcon-ASR працює з еміратською вимовою?
За внутрішнім тестом TII на еміратській та гольфській мові Falcon-ASR досягає 22,73% WER і 10,19% CER. Цей тест побудовано з відкладених записів із транскрипціями, перевіреними людьми, і він доповнює підмножину ОАЕ в публічному наборі Casablanca.
Для порівняння на тому ж внутрішньому наборі: Qwen3-Omni-30B-A3B-Instruct показує 26,80% WER і 12,72% CER; Audar-ASR-V1-Turbo — 27,89% і 13,75%; Cohere Transcribe Arabic — 31,05% і 18,07%; Qwen3-ASR-1,7B — 31,52% і 13,35%; Audar-ASR-V1-Flash — 32,87% і 15,36%.
Перевага Falcon-ASR над Qwen3-Omni у цьому тесті — 4,07 пункту WER. Це подає чіткий сигнал про силу моделі саме на еміратській вимові, яка часто недопредставлена у відкритих ресурсах.
Однак тестовий набір приватний і не може бути відтворений зовнішніми командами. До того ж Audar повідомляє 19,4% WER на іншому еміратському наборі (Mixat), тож наведені цифри між собою не порівнювані напряму.
Набір для еміратської оцінки — приватний; результати не підлягають зовнішньому відтворенню й прямому зіставленню з іншими наборами.
Наскільки добре Falcon-ASR справляється з англійською і як отримати доступ?
На семи англійських наборах із Hugging Face Open ASR Leaderboard TII повідомляє 5,74% середнього WER. Показники по наборах варіюються від 1,75% на LibriSpeech clean до 11,86% на Earnings-22. Для контексту: Qwen3-ASR-1,7B вказує 5,76% середнього WER на тому ж лідерборді.
Французька, іспанська та португальська також підтримані, але показників по них TII не оприлюднив. Це означає: модель задекларовано багатомовною, та оцінки поза арабською й англійською поки що відсутні у матеріалах.
Щодо доступу та розгортання: сьогодні Falcon-ASR доступна як демо на Hugging Face. API та нативні застосунки заплановані. Ваги моделі та квантизовані варіанти не опубліковані, ліцензія не розкрита, платформа виконання також не вказана.
Демо приймає кліпи до 60 секунд та 20 МБ. Максимальний аудіоконтекст не розкрито. Це зручно для швидких перевірок якості, але обмежує інтеграцію у виробничі сервіси просто зараз.
Підсумок: у найкращому сценарії маємо компактну 1,6B модель, що випереджає більші арабські системи у тестах TII. У найгіршому — відсутні ваги, ліцензія й API, а всі оцінки є самозвітами.
На основі матеріалу TII Falcon-ASR та знімок ELM Arabic ASR Leaderboard.
