TL;DR
- Dimensione: 1,6 B parametri; contesto audio massimo non divulgato (la demo accetta clip fino a 60 s e 20 MB).
- Ambiente di esecuzione: non specificato; non sono stati rilasciati pesi né varianti quantizzate. Accesso tramite demo su Hugging Face, API e app native in fase di pianificazione.
- Prestazioni: WER medio arabo 20,92 %, 2,25 punti inferiore a Audar‑ASR‑V1‑Turbo (23,17 %).
- Miglior risultato: 20,92 % WER medio arabo; 2,25 punti sotto il miglior modello pubblicato.
- Pezzo più debole: 11,86 % WER su Earnings‑22, set di test inglese più difficile.
- Conclusione (punto forte): modello compatto da 1,6 B che supera sistemi arabi più grandi nei test TII.
- Conclusione (punto debole): nessun peso disponibile, nessuna licenza né API, tutti i risultati auto‑segnalati.
Che cos’è Falcon‑ASR?
Falcon‑ASR è un modello speech‑to‑text sviluppato dal Technology Innovation Institute (TII) che trascrive l’arabo e quattro lingue aggiuntive (inglese, francese, spagnolo e portoghese) usando un unico set di pesi. Non è necessario impostare un flag di lingua: il modello rileva automaticamente la lingua parlata e restituisce il testo corrispondente. Inoltre, fornisce timestamp a livello di parola, utili per sottotitolazione, indicizzazione di registrazioni e note di riunioni.
Gestione dei dialetti arabi
Il panorama dei dialetti arabi è caratterizzato da una scarsa disponibilità di risorse trascritte rispetto all’Arabic Standard Moderno (MSA). Per affrontare questa carenza, TII ha addestrato Falcon‑ASR su dati provenienti dal dialetto emiratino, dal MSA, da altri dialetti del Golfo e da registrazioni in inglese. L’obiettivo è riconoscere la parlata quotidiana, comprese le forme dialettali e i passaggi tra lingue.
Durante il training, l’audio è stato arricchito con rumore di fondo, sovrapposizioni vocali, musica, riverbero di stanza ed effetti telefonici. Sono stati inoltre variati velocità e tonalità, anche per le registrazioni emiratine, al fine di migliorare la robustezza del modello in condizioni reali.
Architettura e base di ricerca
Falcon‑ASR si fonda sul lavoro Falcon3‑Audio di TII, che descrive modelli audio‑linguistici costruiti su LLM istruiti e encoder Whisper, addestrati su meno di 30 000 ore di audio pubblico. Non sono state rese pubbliche informazioni dettagliate sull’architettura esatta o sulla quantità totale di dati di addestramento di Falcon‑ASR.
Prestazioni sui benchmark arabi
TII ha valutato Falcon‑ASR secondo il protocollo dell’Open Universal Arabic ASR Leaderboard, che calcola la media ponderata del WER su sei set di test. Di seguito la tabella comparativa:
| Modello | Parametri | WER medio (%) | CER medio (%) |
|---|---|---|---|
| Falcon‑ASR | 1,6 B | 20,92 | 8,79 |
| Audar‑ASR‑V1‑Turbo | 2,35 B | 23,17 | 9,23 |
| Cohere Transcribe Arabic (07‑2026) | 2,0 B | 25,87 | 11,80 |
| omniASR LLM 7B | 7,0 B | 28,32 | 12,52 |
Un valore più basso indica migliori prestazioni; il risultato di Falcon‑ASR è auto‑segnalato da TII e non è stato inserito nel leaderboard pubblico.
Prestazioni sul dialetto emiratino
TII ha creato un set di test interno per l’emiratino e il Golfo, basato su registrazioni non incluse nel training e trascritte manualmente. I risultati sono i seguenti:
| Modello | Parametri | WER (%) | CER (%) |
|---|---|---|---|
| Falcon‑ASR | 1,6 B | 22,73 | 10,19 |
| Qwen3‑Omni‑30B‑A3B‑Instruct | 30 B (3 B attivi) | 26,80 | 12,72 |
| Audar‑ASR‑V1‑Turbo | 2,35 B | 27,89 | 13,75 |
| Cohere Transcribe Arabic | 2,0 B | 31,05 | 18,07 |
| Qwen3‑ASR‑1.7B | 2,0 B | 31,52 | 13,35 |
| Audar‑ASR‑V1‑Flash | 0,78 B | 32,87 | 15,36 |
Falcon‑ASR supera il modello Qwen3‑Omni‑30B di 4,07 punti WER, pur essendo molto più compatto. Il set di test è interno a TII e quindi non riproducibile da terzi.
Prestazioni in lingua inglese
Sui sette set di test inglesi dell’Open ASR Leaderboard, TII