推出Falcon ASR

阿布扎比技术创新研究院（TII）近日在HuggingFace平台发布了Falcon-ASR语音识别模型，参数规模16亿，主打阿拉伯语识别，尤其侧重阿联酋方言。该模型同时支持英语、法语、西班牙语和葡萄牙语，五种语言共用同一套权重，无需手动指定语言标记，输出即为所说话言的转录文本。在六个阿拉伯语测试集上，Falcon-ASR平均词错误率（WER）为20.92%，比该团队所参考榜单快照中已公布的最佳成绩23.17%低了2.25个百分点。在TII内部的阿联酋方言评测中，该模型录得22.73%的WER和10.19%的字符错误率（CER），均为参评系统中最优，WER比排名第二的Qwen3-Omni低4.07个百分点。模型还支持词级时间戳，可将每个转录词对应到音频中的具体位置。 阿拉伯语语音识别的难点在于方言差异极大。同一模型能处理正式的新闻播报，未必能应付阿联酋方言的日常对话或电话录音。方言阿拉伯语的转录资源远少于现代标准阿拉伯语（MSA），训练和评测都更困难。Falcon-ASR的训练数据覆盖阿联酋方言、MSA、其他海湾方言及其他阿拉伯语方言，外加英语，目标是转录人们日常真正使用的说法，包括方言形式和语码转换。为应对真实场景，训练中还引入了背景噪声、重叠语音、音乐、房间混响、电话线路效应以及语速和音高变化，阿联酋方言录音也做了同样处理，使模型能适应会议、通话等日常录音条件。在英语方面，该模型在HuggingFace开放ASR排行榜使用的七个公开英语测试集上平均WER为5.74%。Falcon-ASR建立在TII此前的Falcon3-Audio工作之上，后者采用数据高效的单阶段训练方法。 对关注中东市场的中国跨境电商卖家和出海团队来说，阿拉伯语语音能力的提升意味着客服录音分析、语音搜索、直播字幕等场景有了更可用的开源选项。海湾地区是近年出海热门目的地，但方言语音处理一直是本地化的短板，Falcon-ASR以16亿参数的轻量规模在阿联酋方言上取得领先，且五种语言共用权重，部署成本相对可控。不过需要注意，20%以上的词错误率距离中文或英文主流ASR的实用水平仍有差距，直接用于面向消费者的语音交互还需谨慎评估。