Falcon-ASR：TII 推出 16 亿参数阿拉伯语语音识别模型

模型概况

Falcon-ASR 是由阿布扎比技术创新研究院（TII）发布的语音识别模型，参数量 1.6B。训练数据包括阿联酋方言、现代标准阿拉伯语（MSA）、其他海湾及阿拉伯方言和英语；同一套权重还支持法语、西班牙语、葡萄牙语，无需传入语言标记，输出为所讲语言的转写文本。

评测结果

• 阿拉伯语基准：按 Open Universal Arabic ASR Leaderboard（ELM Research Center 维护）协议，在六个测试集上取等权平均 WER，Falcon-ASR 为 20.92%；对比对象为该榜单快照中已公布的最佳结果 23.17%（竞品数字于 2026 年 9 月 30 日核对）。原文称其平均 WER 比该快照最佳结果低 2.25 个百分点。
• 内部阿联酋方言评测：使用留出录音与经人工核验的转写，Falcon-ASR 取得 22.73% WER 和 10.19% CER；其 WER 比对比系统中次优的 Qwen3-Omni 低 4.07 个百分点。这是作者自建评测，不等同于公开榜单结果。
• 英语：在 Hugging Face Open ASR Leaderboard 所用的七个公开英语测试集上，平均 WER 为 5.74%。

训练与能力

训练中加入了背景噪声、重叠语音、音乐、房间混响、电话音效，以及语速和音高变化，并对阿联酋方言录音做同样处理，以覆盖会议、通话等日常录音条件。模型支持词级时间戳，把每个转写词对应到音频中的位置。架构与训练方法基于 Falcon3-Audio 工作，相关论文题为 Competitive Audio-Language Models with Data-Efficient Single-Stage Training on Public Data。

使用方式

目前可通过 Hugging Face Demo Space 试用并上传自己的录音；官方表示 API 访问与原生应用尚在计划中。注意各项 WER/CER 数字分别来自不同测试集与协议，不宜横向混用。