阿布扎比的 Technology Innovation Institute(TII)把 Falcon 家族从文本扩进了语音:开源 1.6B 参数的 Falcon-ASR,主攻阿拉伯语语音识别,重点覆盖海湾方言里的阿联酋方言。模型同时支持英语、法语、西班牙语和葡萄牙语,五种语言共用同一套权重,不需要传语言标记。团队在 Hugging Face 博客发布了完整评测,并开放了在线 Demo。
阿语榜:1.6B 拿下平均 WER 20.92%
评测遵循 Open Universal Arabic ASR Leaderboard(ELM Research Center 维护)的协议:六个阿拉伯语测试集、等权平均 WER,同时报 CER。Falcon-ASR 的成绩是平均 WER 20.92%、CER 8.79%,比该榜快照中已发布最佳结果(23.17%)低 2.25 个百分点。官方博客给出的对照:
| 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 |
对手数字取自该榜 2026-09-30 核验的已发布平均值,不是 TII 自己跑的。
方言是主战场:内部阿联酋评测 22.73%
阿拉伯语 ASR 的难点从来不是新闻播报式的标准语,而是方言——方言阿语的转写资源远少于现代标准阿拉伯语(MSA),训练和评测都难。TII 用留出的阿联酋及海湾录音(人工校验转写本)做了内部评测,Falcon-ASR 拿到 WER 22.73%、CER 10.19%,在与 Qwen3-Omni-30B-A3B、Audar、Cohere、Qwen3-ASR 的对照中错误率最低,比次优的 Qwen3-Omni 低 4.07 个百分点。
训练数据里专门混入了背景噪声、重叠语音、音乐、房间混响、电话信道效果以及语速音高变化,且对阿联酋录音做了同样处理——对着真实会议和通话场景去的。
英语及其他语言:一套权重,免语言标记
英语侧按 Hugging Face Open ASR Leaderboard 的七个公开测试集评测,平均 WER 5.74%,其中 LibriSpeech clean 1.75%、Earnings-22 11.86%。法语、西语、葡语同权重支持,输出跟随所说语言。另外支持词级时间戳,每个转写词都挂到音频中的位置——字幕和检索类应用直接受益。
架构上,Falcon-ASR 基于 TII 的 Falcon3-Audio 工作,训练方法在其论文(arXiv:2509.07526)中描述。
所以呢
Falcon 家族近两个月在阿语栈上连环落子:Falcon-Emirati(方言 LLM)、Falcon OCR Arabic、再到 Falcon-ASR。单看一个模型,1.6B 的体量不算大;但"方言语料稀缺"是所有低资源语言的共同处境,TII 的打法——方言优先训练加全条件数据增强,再用公开榜协议自证——对中文方言、东南亚语言这些同样缺转写资源的团队是个可抄的作业。权重已开放,API 访问与原生应用在计划中。