Из публикации MarkTechPost следует, что Falcon-ASR распознает речь и показывает время каждого слова в записи.

Главное:

  • Falcon-ASR имеет 1,6 млрд параметров, то есть внутренних настроек модели.
  • Средняя ошибка по словам на шести арабских тестах составила 20,92%.
  • Сейчас доступна только демонстрация на Hugging Face (входит в реестр иноагентов Минюста РФ). Открытые файлы модели, лицензия и API пока не опубликованы.

Что умеет Falcon-ASR

Falcon-ASR распознает арабский язык, включая эмиратский диалект. Также модель переводит в текст английскую, французскую, испанскую и португальскую речь.

Все пять языков используют один набор внутренних настроек. Пользователю не нужно заранее указывать язык записи. Модель выводит текст на том языке, на котором говорит человек.

Falcon-ASR также возвращает отметки времени для каждого слова. Это нужно для субтитров, поиска внутри записей и заметок по встречам.

Демонстрация принимает записи до 60 секунд и до 20 МБ. Доступ через API и отдельные приложения запланированы.

Как модель показала себя на арабской речи

В оценке TII Falcon-ASR получила среднюю ошибку по словам 20,92% на шести арабских тестовых наборах. Это на 2,25 процентного пункта ниже, чем у Audar-ASR-V1-Turbo с результатом 23,17%.

Ошибка по словам показывает долю неверно распознанных слов. В этих тестах меньшее значение означает более точную расшифровку.

Для сравнения, Cohere Transcribe Arabic получил 25,87%, а omniASR LLM 7B получил 28,32%. У Falcon-ASR 1,6 млрд параметров, у Audar-ASR-V1-Turbo 2,35 млрд, у Cohere Transcribe Arabic 2 млрд, у omniASR LLM 7B 7 млрд.

На внутреннем наборе TII для эмиратской и заливной речи Falcon-ASR показала ошибку 22,73%. Qwen3-Omni-30B-A3B-Instruct получил 26,80%, разница составила 4,07 процентного пункта.

Этот эмиратский набор закрыт. Его нельзя воспроизвести по открытым данным.

Что известно о доступе и других языках

На семи английских тестах Hugging Face (входит в реестр иноагентов Минюста РФ) Open ASR Leaderboard средняя ошибка Falcon-ASR составила 5,74%. По отдельным наборам результат был от 1,75% до 11,86%.

Для Qwen3-ASR-1.7B указан средний результат 5,76% на том же английском рейтинге. Для французского, испанского и португальского языков TII не опубликовал оценки.

TII обучал Falcon-ASR на эмиратской речи, современном стандартном арабском, других заливных и арабских диалектах, а также на английском. В обучающие записи добавляли фоновый шум, наложение голосов, музыку, эхо помещения и телефонные эффекты.

Модель построена на работе TII Falcon3-Audio. В ней речь шла о звуковых языковых моделях, обученных на менее чем 30 тыс. часов публичного аудио.