El Technology Innovation Institute (TII) de Abu Dabi ha lanzado Falcon-ASR, un modelo de reconocimiento de habla árabe de 1.6B de parámetros. Se enfoca en el dialecto emiratí y también transcribe inglés, francés, español y portugués. En la evaluación de TII, Falcon-ASR registra un 20.92% de tasa de error de palabra (WER) promedio en 6 conjuntos de prueba en árabe. Eso supera en 2.25 puntos a la mejor entrada publicada en la instantánea de la tabla de clasificación de TII. Para los desarrolladores que crean productos de voz en árabe, la dificultad es el acceso: por ahora funciona solo como una demo alojada.
TL;DR
- Tamaño: 1.6B de parámetros. Contexto máximo de audio: No revelado (la demo acepta clips de hasta 60 segundos y 20 MB).
- Se ejecuta en: No revelado. No se publican pesos ni variantes cuantizadas. El acceso es una demo en Hugging Face, con API y aplicaciones nativas previstas.
- Rendimiento: El WER más bajo en árabe y emiratí en las comparaciones propias de TII, con resultados sólidos en inglés.
- Mejor: 20.92% de WER promedio en árabe, 2.25 puntos por debajo de Audar-ASR-V1-Turbo (23.17%).
- Peor: 11.86% de WER en Earnings-22, su conjunto de prueba en inglés más débil.
- Conclusión (mejor): un modelo compacto de 1.6B que lidera a sistemas árabes más grandes en las pruebas de TII.
- Conclusión (peor): sin pesos, sin licencia, sin API todavía, y todos los puntajes son autorreportados.
¿Qué es Falcon-ASR?
Falcon-ASR es un modelo de voz a texto de TII que convierte árabe hablado y otros 4 idiomas en texto. Los 5 idiomas comparten un mismo conjunto de pesos. El modelo no necesita bandera de idioma y produce texto en el idioma hablado. También devuelve marcas de tiempo a nivel de palabra, vinculando cada palabra con su posición en el audio. Esto es importante para subtitulados, grabaciones con búsqueda y notas de reuniones.
¿Cómo maneja Falcon-ASR los dialectos árabes?
El árabe dialectal tiene muchos menos recursos transcritos que el árabe estándar moderno (MSA). TII entrenó Falcon-ASR con emiratí, MSA, otros dialectos del Golfo y árabes, e inglés. El objetivo es el habla cotidiana, incluidas las formas dialectales y el cambio de idioma.
El audio de entrenamiento se aumentó con ruido de fondo, habla superpuesta, música, reverberación de sala y efectos de telefonía. También se variaron la velocidad y el tono. El mismo tratamiento se aplicó a las grabaciones en emiratí.
El modelo se basa en el trabajo Falcon3-Audio de TII. Esa investigación describe modelos de audio-lenguaje construidos sobre LLM ajustados con instrucciones y codificadores Whisper, entrenados con menos de 30K horas de audio público. Nuestro equipo editorial y técnico de Marktechpost no pudo encontrar ninguna arquitectura exacta publicada de Falcon-ASR ni el tamaño de sus datos de entrenamiento.
¿Cómo puntúa Falcon-ASR en los benchmarks de árabe?
TII siguió el protocolo del Open Universal Arabic ASR Leaderboard, dirigido por el ELM Research Center. El ranking clasifica los sistemas por el promedio de WER ponderado de manera equitativa sobre 6 conjuntos de prueba. TII utilizó los manifiestos fijados del leaderboard. Las cifras de los competidores son promedios publicados del leaderboard, verificados el 30 de septiembre de 2026.
| Modelo | Parámetros | WER promedio (%) | CER promedio (%) |
|---|---|---|---|
| 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 |
Cuanto más bajo, mejor. Nótese que la cifra de Falcon-ASR es una ejecución propia de TII, no una entrada en un leaderboard. La Audar model card indica su propio CER promedio como 9.20%.
¿Cómo funciona Falcon-ASR con el habla emiratí?
TII construyó un conjunto de pruebas interno emiratí y del Golfo a partir de grabaciones reservadas con transcripciones validadas por humanos. Complementa el subconjunto de EAU del conjunto de datos público Casablanca .
| Modelo | Parámetros | WER (%) | CER (%) |
|---|---|---|---|
| Falcon-ASR | 1.6B | 22.73 | 10.19 |
| Qwen3-Omni-30B-A3B-Instruct | 30B (3B activos) | 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 lidera por 4.07 puntos de WER sobre Qwen3-Omni. Este conjunto de pruebas es privado, por lo que no puede reproducirse. Audar reporta 19.4% de WER en un conjunto emiratí diferente (Mixat), por lo que las cifras no son directamente comparables.
¿Qué tan bueno es Falcon-ASR en inglés?
En los 7 conjuntos de pruebas en inglés utilizados por el Hugging Face Open ASR Leaderboard, TII reporta un WER medio de 5.74%. Las puntuaciones por conjunto van desde 1.75% en LibriSpeech clean hasta 11.86% en Earnings-22. Como contexto, Qwen3-ASR-1.7B indica un WER medio de 5.76% en ese leaderboard. Francés, español y portugués están soportados, pero TII no publicó puntuaciones para ellos.
Comparación: Falcon-ASR frente a los modelos de ASR en árabe más cercanos
| Característica | Falcon-ASR | Audar-ASR-V1-Turbo | Cohere Transcribe árabe | Qwen3-ASR-1.7B |
|---|---|---|---|---|
| Organización | TII (EAU) | AudarAI | Cohere | Alibaba Qwen |
| Parámetros | 1.6B | 2.35B | 2B | 1.7B (2B en la tarjeta de HF) |
| Arquitectura | Basado en Falcon3-Audio | Codificador de audio + decodificador LM | Codificador FastConformer + decodificador Transformer | Basado en Qwen3-Omni |
| Licencia | No divulgada | AudarAI Community License v1.0 | Apache 2.0 | Apache 2.0 |
| Pesos abiertos | No | Sí (BF16, GGUF, W4A16) | Sí | Sí |
| Idiomas | 5 (árabe incl. emiratí, EN, FR, ES, PT) | 30 (árabe primero) | Árabe, inglés | 30 idiomas + 22 dialectos chinos |
| WER promedio en árabe (6 conjuntos) | 20.92 (evaluación de TII) | 23.17 | 25.87 | 33.36 (tabla de clasificación) |
| CER promedio en árabe | 8.79 (evaluación de TII) | 9.20 | 11.80 | 12.33 |
| WER emiratí de TII | 22.73 | 27.89 | 31.05 | 31.52 |
| WER medio en inglés (conjuntos Open ASR) | 5.74 (evaluación de TII) | No divulgado | No divulgado | 5.76 |
| Marcas de tiempo | A nivel de palabra | No divulgado | No divulgado | Mediante Qwen3-ForcedAligner-0.6B |
| Funciona en | No divulgado (demo alojada) | CPU, GPU, edge mediante GGUF; W4A16 en GPU de 12 GB o más | No divulgado | GPU mediante Transformers o vLLM |
| Acceso | Demo en HF; API prevista | Pesos + API de Audar | Pesos + API de Cohere | Pesos + API de DashScope |
Fuentes: Las cifras de Falcon-ASR provienen del blog de TII. Las cifras de Audar, Cohere y del leaderboard de Qwen provienen del leaderboard de ELM tal como se reproduce en la ficha de Audar. El WER emiratí de todos los modelos proviene de la evaluación interna de TII.
Conclusiones clave
- Falcon-ASR es un modelo de voz de 1.6B centrado en el árabe, de TII, con enfoque emiratí.
- Reporta un WER medio en árabe del 20.92%, 2.25 puntos por delante de Audar-ASR-V1-Turbo.
- En el conjunto emiratí de TII supera a un Qwen3-Omni de 30B por 4.07 puntos de WER.
- 1 conjunto de pesos cubre 5 idiomas, con marcas de tiempo a nivel de palabra.
- Sin pesos, licencia ni API todavía: pruébalo mediante la demo de 60 segundos.
Echa un vistazo al blog de Falcon-ASR, al Artículo de Falcon3-Audio y prueba la demo. Además, no dudes en seguirnos en Twitter y no olvides unirte a nuestro 150k+ML SubReddit y suscribirte a our Newsletter. ¡Espera! ¿estás en telegram? ahora también puedes unirte a nosotros en telegram.
El artículo TII Releases Falcon-ASR: 1.6B Arabic Speech Model Hits 20.92% WER apareció primero en MarkTechPost.