Das Technology Innovation Institute (TII) in Abu Dhabi hat Falcon-ASRveröffentlicht, ein Spracherkennungsmodell für Arabisch mit 1.6B Parametern. Es konzentriert sich auf den emiratischen Dialekt und transkribiert außerdem Englisch, Französisch, Spanisch und Portugiesisch. In TII’s Evaluierung erreicht Falcon-ASR eine durchschnittliche Wortfehlerrate (WER) von 20.92% über 6 arabische Testsets hinweg. Das übertrifft den besten veröffentlichten Eintrag in TII’s Leaderboard-Snapshot um 2.25 Punkte. Für Entwickler, die arabische Sprachprodukte bauen, ist der Haken der Zugang: Derzeit läuft es nur als gehostete Demo.
TL;DR
- Größe: 1.6B Parameter. Maximaler Audiokontext: Nicht angegeben (die Demo akzeptiert Clips bis zu 60 Sekunden und 20 MB).
- Läuft auf: Nicht angegeben. Keine Gewichte oder quantisierten Varianten veröffentlicht. Zugang über eine Hugging-Face-Demo, API und native Apps sind geplant.
- Leistung: Niedrigste arabische und emiratische WER in TII’s eigenen Vergleichen, mit soliden Englisch-Ergebnissen.
- Bestes: 20.92% durchschnittliche arabische WER, 2.25 Punkte unter Audar-ASR-V1-Turbo (23.17%).
- Schlechtestes: 11.86% WER auf Earnings-22, seinem schwächsten englischen Testset.
- Fazit (bestes): ein kompaktes 1.6B-Modell, das in TII’s Tests größere arabische Systeme anführt.
- Fazit (schlechtestes): keine Gewichte, keine Lizenz, noch keine API, und alle Werte sind selbst berichtet.
Was ist Falcon-ASR?
Falcon-ASR ist ein Speech-to-Text-Modell von TII, das gesprochenes Arabisch und 4 weitere Sprachen in Text umwandelt. Alle 5 Sprachen teilen sich einen Satz von Gewichten. Das Modell benötigt keine Sprachkennzeichnung und gibt Text in der gesprochenen Sprache aus. Es liefert außerdem Wortzeitstempelzurück und verknüpft jedes Wort mit seiner Position im Audio. Dies ist wichtig für Untertitelung, durchsuchbare Aufnahmen und Meetingnotizen.
Wie geht Falcon-ASR mit arabischen Dialekten um?
Dialektales Arabisch hat deutlich weniger transkribierte Ressourcen als Modernes Standardarabisch (MSA). TII trainierte Falcon-ASR auf Emiratisch, MSA, anderen Golf- und arabischen Dialekten sowie Englisch. Das Ziel ist alltägliche Sprache, einschließlich dialektaler Formen und Sprachwechsel.
Das Trainingsaudio wurde mit Hintergrundgeräuschen, überlappender Sprache, Musik, Raumhall und Telefonteffekten augmentiert. Auch Geschwindigkeit und Tonhöhe wurden variiert. Dieselbe Behandlung wurde auf emiratische Aufnahmen angewendet.
Das Modell baut auf TII’s Falcon3-Audio-Arbeitauf. Diese Forschung beschreibt Audio-Sprachmodelle, die auf instruktionstunten LLMs und Whisper-Encodern basieren und mit unter 30K Stunden öffentlichen Audios trainiert wurden. Unser Editorial- und Technikteam bei Marktechpost konnte keine veröffentlichte exakte Architektur oder Trainingsdatengröße von Falcon-ASR finden.
Wie schneidet Falcon-ASR bei arabischen Benchmarks ab?
TII folgte dem Protokoll des Open Universal Arabic ASR Leaderboard, betrieben vom ELM Research Center. Es ordnet Systeme nach dem gleichgewichteten Durchschnitts-WER über 6 Testsätze. TII verwendete die auf der Bestenliste fixierten Manifeste. Die Zahlen der Konkurrenten sind veröffentlichte Durchschnittswerte der Bestenliste, überprüft am 30. September 2026.
| Modell | Params | Avg WER (%) | Avg CER (%) |
|---|---|---|---|
| Falcon-ASR | 1.6B | 20.92 | 8.79 |
| Audar-ASR-V1-Turbo | 2.35B | 23.17 | 9.23 |
| Cohere Transcribe Arabic (07-2026) | 2.0B | 25.87 | 11.80 |
| omniASR LLM 7B | 7.0B | 28.32 | 12.52 |
Niedrigere Werte sind besser. Beachten Sie, dass der Wert von Falcon-ASR aus einem eigenen Lauf von TII stammt und kein Leaderboard-Eintrag ist. Die Audar model card gibt eine eigene durchschnittliche CER von 9.20% an.
Wie schneidet Falcon-ASR bei emiratischer Sprache ab?
TII erstellte einen internen Testdatensatz für Emirati und Golf aus zurückgehaltenen Aufnahmen mit menschlich validierten Transkripten. Er ergänzt die UAE-Teilmenge des öffentlichen Datensatzes Casablanca .
| Modell | Params | WER (%) | CER (%) |
|---|---|---|---|
| Falcon-ASR | 1.6B | 22.73 | 10.19 |
| Qwen3-Omni-30B-A3B-Instruct | 30B (3B aktiv) | 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 |
| Audar-ASR-V1-Flash | 0.78B | 32.87 | 15.36 |
Falcon-ASR liegt mit 4.07 WER-Punkten vor Qwen3-Omni. Dieser Testdatensatz ist privat und kann daher nicht reproduziert werden. Audar berichtet 19.4% WER auf einem anderen emiratischen Datensatz (Mixat), daher sind die Zahlen nicht direkt vergleichbar.
Wie gut ist Falcon-ASR bei Englisch?
Auf den 7 englischen Testdatensätzen, die vom Hugging Face Open ASR Leaderboard verwendet werden, berichtet TII eine mittlere WER von 5.74%. Die Einzelergebnisse reichen von 1.75% auf LibriSpeech clean bis zu 11.86% auf Earnings-22. Zur Einordnung: Qwen3-ASR-1.7B weist 5.76% mittlere WER auf diesem Leaderboard aus. Französisch, Spanisch und Portugiesisch werden unterstützt, aber TII hat keine Werte dafür veröffentlicht.
Vergleich: Falcon-ASR vs. die nächstliegenden arabischen ASR-Modelle
| Merkmal | Falcon-ASR | Audar-ASR-V1-Turbo | Cohere Transcribe Arabisch | Qwen3-ASR-1.7B |
|---|---|---|---|---|
| Organisation | TII (VAE) | AudarAI | Cohere | Alibaba Qwen |
| Parameter | 1.6B | 2.35B | 2B | 1.7B (2B auf der HF-Karte) |
| Architektur | Baut auf Falcon3-Audio auf | Audio-Encoder + LM-Decoder | FastConformer-Encoder + Transformer-Decoder | Basiert auf Qwen3-Omni |
| Lizenz | Nicht offengelegt | AudarAI Community License v1.0 | Apache 2.0 | Apache 2.0 |
| Offene Gewichte | Nein | Ja (BF16, GGUF, W4A16) | Ja | Ja |
| Sprachen | 5 (Arabisch inkl. Emirati, EN, FR, ES, PT) | 30 (arabisch-zentriert) | Arabisch, Englisch | 30 Sprachen + 22 chinesische Dialekte |
| Arabisch avg WER (6 Sätze) | 20.92 (TII-Eval) | 23.17 | 25.87 | 33.36 (Leaderboard) |
| Arabisch avg CER | 8.79 (TII-Eval) | 9.20 | 11.80 | 12.33 |
| TII Emirati WER | 22.73 | 27.89 | 31.05 | 31.52 |
| English durchschnittlicher WER (Open ASR sets) | 5.74 (TII eval) | Nicht angegeben | Nicht angegeben | 5.76 |
| Zeitstempel | Wortebene | Nicht angegeben | Nicht angegeben | Über Qwen3-ForcedAligner-0.6B |
| Läuft auf | Nicht angegeben (gehostete Demo) | CPU, GPU, Edge über GGUF; W4A16 auf 12 GB+ GPU | Nicht angegeben | GPU über Transformers oder vLLM |
| Zugang | HF-Demo; API geplant | Gewichte + Audar API | Gewichte + Cohere API | Gewichte + DashScope API |
Quellen: Falcon-ASR-Zahlen aus TIIs Blog. Audar-, Cohere- und Qwen-Leaderboard-Zahlen stammen aus dem ELM-Leaderboard, wie es auf der Audar-Karte wiedergegeben wird. Der Emirati-WER aller Modelle stammt aus TIIs interner Evaluation.
Wichtigste Erkenntnisse
- Falcon-ASR ist ein 1.6B Sprachmodell von TII mit Arabisch im Fokus und einem Schwerpunkt auf Emirati.
- Es weist einen durchschnittlichen arabischen WER von 20.92% aus, 2.25 Punkte vor Audar-ASR-V1-Turbo.
- Auf TIIs Emirati-Set schlägt es ein 30B Qwen3-Omni um 4.07 WER-Punkte.
- 1 Satz Gewichte deckt 5 Sprachen ab, mit Zeitstempeln auf Wortebene.
- Noch keine Gewichte, Lizenz oder API: Testen Sie es über die 60-Sekunden-Demo.
Schauen Sie sich den Falcon-ASR-Blogan, die Falcon3-Audio-Paper und probieren Sie die Demoaus. Folgen Sie uns außerdem gerne auf Twitter und vergessen Sie nicht, unserem 150k+ML SubReddit beizutreten und unseren Newsletterzu abonnieren. Moment! Sind Sie bei Telegram? jetzt können Sie uns auch auf Telegram beitreten.
Der Beitrag TII Releases Falcon-ASR: 1.6B Arabic Speech Model Hits 20.92% WER erschien zuerst auf MarkTechPost.