TII发布Falcon-ASR：16亿参数阿拉伯语语音识别模型

模型定位与核心能力

Falcon-ASR是由阿布扎比技术革新研究院（TII）发布的端到端语音识别模型，参数量为16亿（1.6B）。该模型统一处理阿拉伯语（含阿联酋方言、现代标准阿拉伯语及海湾地区其他方言）、英语、法语、西班牙语和葡萄牙语共5种语言，所有语言共享同一套权重，无需语言标识符输入，可自动识别并输出对应语言文本。模型还提供词级时间戳（word-level timestamps），精确标注每个词在音频中的起止位置，适用于字幕生成、可检索音视频归档及会议纪要等场景。

方言适配与训练策略

针对阿拉伯语方言标注数据稀缺的问题，TII在训练中融合了阿联酋方言、现代标准阿拉伯语（MSA）、其他海湾方言及英语语音数据。训练目标聚焦于真实日常对话，涵盖方言表达与语码转换（code-switching）。音频数据经系统性增强：叠加背景噪声、重叠语音、音乐、混响、电话信道失真，并对语速与音高进行扰动——阿联酋方言录音同样接受同等增强处理。该模型基于TII此前的Falcon3-Audio研究构建，后者探索了以指令微调大语言模型与Whisper编码器联合驱动的音频-语言建模路径，训练数据总量不足3万小时，全部来自公开资源。

阿拉伯语性能表现

TII采用ELM研究中心运营的‘开放通用阿拉伯语ASR排行榜’评估协议，对6个阿拉伯语测试集取等权平均词错率（WER）作为主指标。在TII自测中，Falcon-ASR取得20.92%的平均WER与8.79%的字符错误率（CER），较榜单当时最优公开模型Audar-ASR-V1-Turbo（23.17% WER）低2.25个百分点。对比其他主流模型：Cohere Transcribe Arabic（25.87%）、omniASR LLM（28.32%）。需注意，所有分数均为TII内部运行结果，并非正式提交至该排行榜的认证成绩。

阿联酋方言专项测试

TII构建了内部阿联酋及海湾地区方言测试集，包含人工校验转录的保留录音，并补充使用公开数据集Casablanca中的阿联酋子集。在此私有测试集上，Falcon-ASR取得22.73% WER，显著领先Qwen3-Omni-30B-A3B-Instruct（26.80%）、Audar-ASR-V1-Turbo（27.89%）等模型。由于该测试集未公开，结果不可复现；且AudarAI在另一阿联酋方言数据集（Mixat）报告19.4% WER，跨数据集横向比较受限。

多语言泛化能力

在Hugging Face开放ASR排行榜的7个英语测试集上，Falcon-ASR平均WER为5.74%，区间为1.75%（LibriSpeech干净语音）至11.86%（Earnings-22财经电话录音），与Qwen3-ASR-1.7B的5.76%均值基本持平。法语、西班牙语与葡萄牙语虽被明确列为支持语言，但TII未公布其具体评测分数。

当前可用性与限制

截至发布时，Falcon-ASR仅提供Hugging Face网页演示版，支持上传最长60秒、20MB以内的音频文件。模型架构细节、确切训练数据规模、推理硬件要求及量化版本均未披露。权重、许可证、API接口及原生应用均尚未开放。所有性能声明均为TII单方报告，缺乏第三方验证或开源复现条件。