阿布扎比技术创新研究院（TII）发布了 Falcon-ASR，一个 1.6B 参数的阿拉伯语语音识别模型。它聚焦阿联酋方言，同时也能转写英语、法语、西班牙语和葡萄牙语。在 TII 的评测中，Falcon-ASR 在 6 个阿拉伯语测试集上取得 20.92% 的平均词错误率（WER），比 TII 榜单快照中最佳已公布成绩领先 2.25 个百分点。对构建阿拉伯语语音产品的开发者来说，问题出在获取方式上：目前它只能通过托管 Demo 体验。
核心要点
- 规模： 1.6B 参数。最大音频上下文：未披露（Demo 接受最长 60 秒、20 MB 的音频片段）。
- 运行环境： 未披露。未发布权重或量化版本。访问方式是 Hugging Face Demo，API 与原生应用尚在规划中。
- 性能： 在 TII 自己的对比中，阿拉伯语与阿联酋方言 WER 最低，英语结果也相当扎实。
- 最好的一项： 阿拉伯语平均 WER 20.92%，比 Audar-ASR-V1-Turbo（23.17%）低 2.25 个百分点。
- 最差的一项： 在 Earnings-22 上 WER 为 11.86%，是其最弱的英语测试集。
- 结论（优点）： 一个紧凑的 1.6B 模型，在 TII 的测试中领先更大的阿拉伯语系统。
- 结论（缺点）： 没有权重、没有许可证、暂时没有 API，且所有分数均为自报数据。
Falcon-ASR 是什么？
Falcon-ASR 是 TII 推出的语音转文本模型，可将阿拉伯语口语和另外 4 种语言转换为文本。5 种语言共用同一套权重。该模型不需要语言标记，输出即为所说话言的文本。它还会返回词级时间戳，把每个词与其在音频中的位置对应起来。这对字幕制作、可检索录音和会议记录都很重要。
Falcon-ASR 如何处理阿拉伯语方言？
方言阿拉伯语的转写资源远少于现代标准阿拉伯语（MSA）。TII 在阿联酋方言、MSA、其他海湾及阿拉伯语方言以及英语上训练了 Falcon-ASR。目标是覆盖日常口语，包括方言形式和语码切换。
训练音频做了增强处理，加入了背景噪声、重叠语音、音乐、房间混响和电话音效，速度和音高也做了变化。阿联酋方言录音采用了同样的处理方式。
该模型建立在 TII 的 Falcon3-Audio 工作之上。该研究描述了基于指令微调 LLM 和 Whisper 编码器构建的音频语言模型，训练数据不足 3 万小时公开音频。Marktechpost 的编辑与技术团队未能找到任何公开发布的 Falcon-ASR 确切架构或训练数据规模。
Falcon-ASR 在阿拉伯语基准上表现如何？
TII 遵循了由 ELM 研究中心运营的 Open Universal Arabic ASR Leaderboard 的评测协议。该榜单以 6 个测试集的等权平均 WER 对系统排名。TII 使用了榜单固定的 manifest 文件。竞品数据为 2026 年 9 月 30 日核对过的榜单已公布平均值。添加到对话
| 模型 | 参数量 | 平均 WER (%) | 平均 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 |
数值越低越好。注意 Falcon-ASR 的数字是 TII 自行跑出的结果，并非榜单条目。Audar 模型卡列出的自身平均 CER 为 9.20%。
Falcon-ASR 在阿联酋方言语音上表现如何？
TII 使用留存录音构建了一个内部阿联酋与海湾测试集，转写文本经人工校验。它与公开的 Casablanca 数据集中的 UAE 子集互为补充。
| 模型 | 参数量 | WER (%) | CER (%) |
|---|---|---|---|
| Falcon-ASR | 1.6B | 22.73 | 10.19 |
| Qwen3-Omni-30B-A3B-Instruct | 30B（3B 激活） | 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 领先 Qwen3-Omni 4.07 个 WER 点。该测试集为私有，无法复现。Audar 在另一个阿联酋数据集（Mixat）上报告 WER 为 19.4%，因此两者数字不能直接比较。
Falcon-ASR 的英语能力如何？
在 Hugging Face Open ASR Leaderboard 使用的 7 个英语测试集上，TII 报告的平均 WER 为 5.74%。各测试集分数从 LibriSpeech clean 的 1.75% 到 Earnings-22 的 11.86% 不等。作为参照，Qwen3-ASR-1.7B 在该榜单上列出的平均 WER 为 5.76%。法语、西班牙语和葡萄牙语均受支持，但 TII 未公布这些语言的分数。
对比：Falcon-ASR 与最接近的阿拉伯语 ASR 模型
| 特性 | Falcon-ASR | Audar-ASR-V1-Turbo | Cohere Transcribe Arabic | Qwen3-ASR-1.7B |
|---|---|---|---|---|
| 机构 | TII（阿联酋） | AudarAI | Cohere | 阿里巴巴通义千问 |
| 参数量 | 1.6B | 2.35B | 2B | 1.7B（HF 模型卡标注 2B） |
| 架构 | 基于 Falcon3-Audio | 音频编码器 + LM 解码器 | FastConformer 编码器 + Transformer 解码器 | 基于 Qwen3-Omni |
| 许可证 | 未披露 | AudarAI Community License v1.0 | Apache 2.0 | Apache 2.0 |
| 开放权重 | 否 | 是（BF16、GGUF、W4A16） | 是 | 是 |
| 语言 | 5 种（阿拉伯语含阿联酋方言、英语、法语、西语、葡语） | 30 种（阿拉伯语优先） | 阿拉伯语、英语 | 30 种语言 + 22 种中文方言 |
| 阿拉伯语平均 WER（6 个测试集） | 20.92（TII 评测） | 23.17 | 25.87 | 33.36（榜单） |
| 阿拉伯语平均 CER | 8.79（TII 评测） | 9.20 | 11.80 | 12.33 |
| TII 阿联酋方言 WER | 22.73 | 27.89 | 31.05 | 31.52 |
| 英语平均 WER（Open ASR 测试集） | 5.74（TII 评测） | 未披露 | 未披露 | 5.76 |
| 时间戳 | 词级 | 未披露 | 未披露 | 通过 Qwen3-ForcedAligner-0.6B |
| 运行环境 | 未披露（托管 Demo） | CPU、GPU、边缘设备（GGUF）；W4A16 需 12 GB+ 显存 | 未披露 | 通过 Transformers 或 vLLM 在 GPU 上运行 |
| 获取方式 | HF Demo；API 规划中 | 权重 + Audar API | 权重 + Cohere API | 权重 + DashScope API |
来源： Falcon-ASR 数据来自 TII 博客。Audar、Cohere 与 Qwen 的榜单数据来自 ELM 榜单，并与 Audar 模型卡上的复现一致。所有模型的阿联酋方言 WER 均来自 TII 内部评测。
关键结论
- Falcon-ASR 是 TII 推出的 1.6B 阿拉伯语优先语音模型，侧重阿联酋方言。
- 它报告阿拉伯语平均 WER 为 20.92%，领先 Audar-ASR-V1-Turbo 2.25 个百分点。
- 在 TII 的阿联酋测试集上，它以 4.07 个 WER 点优势击败 30B 的 Qwen3-Omni。
- 一套权重覆盖 5 种语言，并提供词级时间戳。
- 尚无权重、许可证或 API：可通过 60 秒 Demo 试听体验。
本文来自作者投稿，版权归原作者所有。如需转载，请注明出处：https://www.nxrte.com/jishu/72453.html
