TII 发布 Falcon-ASR：1.6B 阿拉伯语语音模型，平均 WER 20.92%
阿布扎比 TII 发布 1.6B 参数的阿拉伯语语音识别模型 Falcon-ASR，聚焦阿联酋方言，同时支持英语、法语、西班牙语和葡萄牙语，5 种语言共用一套权重。
MarkTechPost· Asif Razzaq·2026-10-12 11:16· 2 小时前AI 评分41
TII 发布 Falcon-ASR：1.6B 阿拉伯语语音模型实现 20.92% WER
AI 导读
阿布扎比 TII 发布 1.6B 参数的阿拉伯语语音识别模型 Falcon-ASR，在 6 个阿拉伯语测试集上平均 WER 为 20.92%，比 Audar-ASR-V1-Turbo 的 23.17% 低 2.25 个百分点。
正文
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。它专注于阿联酋方言，同时也能转写英语、法语、西班牙语和葡萄牙语。在 TII 的评估中，Falcon-ASR 在 6 个阿拉伯语测试集上的平均词错误率（WER）为 20.92%。这比 TII 排行榜快照中已公布的最佳成绩高出 2.25 个百分点。对于构建阿拉伯语语音产品的开发者来说，问题在于获取途径：目前它仅作为托管演示运行。
TL;DR
- 规模：1.6B 参数。最大音频上下文：未披露（演示接受最长 60 秒、20 MB 的音频片段）。
- 运行于：未披露。未发布权重或量化版本。访问方式为 Hugging Face 演示，API 和原生应用尚在计划中。
- 性能：在 TII 自身的对比中，阿拉伯语和阿联酋方言 WER 最低，英语结果也表现稳健。
- 最佳：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：在 Earnings-22 上 WER 为 11.86%，是其最弱的英语测试集。
- 结论（最佳）：在 TII 的测试中，一个紧凑的 1.6B 模型领先于更大的阿拉伯语系统。
- 结论（最差）：尚无权重、无许可证、无 API，且所有分数均为自报。
什么是 Falcon-ASR？
Falcon-ASR 是 TII 推出的语音转文本模型，可将阿拉伯语口语和其他 4 种语言转换为文本。全部 5 种语言共享同一套权重。该模型无需语言标记，并以所讲语言输出文本。它还会返回词级时间戳，将每个词与其在音频中的位置关联起来。这对于字幕、可搜索录音和会议记录非常重要。
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、其他海湾和阿拉伯语方言以及英语上训练了 Falcon-ASR。目标是日常口语，包括方言形式和语码转换。
训练音频通过背景噪声、重叠语音、音乐、房间混响和电话效果进行了增强。语速和音高也做了变化。同样的处理也应用于阿联酋方言录音。
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，在不到 3 万小时的公开音频上训练。我们在 Marktechpost 的编辑和技术团队未能找到任何已发布的 Falcon-ASR 确切架构或训练数据规模。
Falcon-ASR 在阿拉伯语基准测试中表现如何？
TII 遵循了由 ELM 研究中心运行的 Open Universal Arabic ASR Leaderboard 协议。该排行榜按 6 个测试集上的等权平均 WER 对系统进行排名。TII 使用了排行榜固定的清单。竞争对手的数字是截至 2026 年 9 月 30 日核对的已公布排行榜平均值。
| 模型 | 参数 | 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 的数据是 TII 自己运行的，并非排行榜条目。Audar 模型卡列出的自身平均 CER 为 9.20%。
Falcon-ASR 在阿联酋语音上表现如何？
TII 用经过人工验证转录的留出录音构建了一个内部阿联酋和海湾测试集。它补充了公开的 Casablanca 数据集的阿联酋子集。
| 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。该测试集是私有的，因此无法复现。Audar 在另一个阿联酋测试集（Mixat）上报告了 19.4% 的 WER，因此这些数字无法直接比较。
Falcon-ASR 的英语表现如何？
在 Hugging Face Open ASR Leaderboard 使用的 7 个英语测试集上，TII 报告平均 WER 为 5.74%。各测试集分数从 LibriSpeech clean 上的 1.75% 到 Earnings-22 上的 11.86% 不等。作为参考，Qwen3-ASR-1.7B 在该排行榜上列出平均 WER 为 5.76%。支持法语、西班牙语和葡萄牙语，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 |
|---|---|---|---|---|
| 组织 | TII（阿联酋） | AudarAI | Cohere | Alibaba Qwen |
| 参数量 | 1.6B | 2.35B | 2B | 1.7B（HF 卡上为 2B） |
| 架构 | 基于 Falcon3-Audio 构建 | 音频编码器 + LM 解码器 | FastConformer 编码器 + Transformer 解码器 | 基于 Qwen3-Omni 构建 |
| 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、西班牙语、葡萄牙语） | 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 评估） | 23.17 | 25.87 | 33.36（排行榜） |
| 阿拉伯语平均 CER | 8.79（TII 评估） | 9.20 | 11.80 | 12.33 |
| TII 阿联酋 WER | 22.73 | 27.89 | 31.05 | 31.52 |
| 英语平均 WER（Open ASR 测试集） | 5.74（TII 评估） | 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 |
| 运行于 | 未披露（托管演示） | CPU、GPU、通过 GGUF 的边缘设备；W4A16 在 12 GB+ GPU 上 | 未披露 | 通过 Transformers 或 vLLM 在 GPU 上 |
| 访问方式 | HF 演示；API 计划中 | 权重 + Audar API | 权重 + Cohere API | 权重 + DashScope API |
来源：Falcon-ASR 数据来自 TII 的博客。Audar、Cohere 和 Qwen 的排行榜数据来自 Audar 模型卡上转载的 ELM 排行榜。所有模型的阿联酋 WER 来自 TII 的内部评估。
关键要点
- Falcon-ASR 是 TII 推出的 1.6B 阿拉伯语优先语音模型，聚焦阿联酋。
- 它报告平均阿拉伯语 WER 为 20.92%，领先 Audar-ASR-V1-Turbo 2.25 个点。
- 在 TII 的阿联酋测试集上，它以 4.07 个 WER 点击败 30B 的 Qwen3-Omni。
- 1 组权重覆盖 5 种语言，支持词级时间戳。
- 尚无权重、许可证或 API：通过 60 秒演示试用。
查看 Falcon-ASR 博客、Falcon3-Audio 论文并试用 演示。另外，欢迎在 Twitter 上关注我们，别忘了加入我们的 150k+ ML SubReddit 并订阅 我们的新闻通讯。等等！你在 Telegram 上吗？现在你也可以在 Telegram 上加入我们了。
文章 TII 发布 Falcon-ASR：1.6B 阿拉伯语语音模型 WER 达到 20.92% 首次出现在 MarkTechPost。
来源：MarkTechPost · marktechpost.com
来源：RadarAI · aihot.news