TII 发布 Falcon-ASR：1.6B 阿拉伯语语音模型实现 20.92% WER
内容提要
阿布扎比TII发布Falcon-ASR，1.6B参数阿拉伯语语音识别模型，聚焦阿联酋方言，兼支持英语、法语、西语、葡语，共用一套权重并输出词级时间戳。TII自测6个阿拉伯语测试集平均WER 20.92%，领先Audar-ASR-V1-Turbo 2.25个百分点；阿联酋方言WER 22.73%，优于Qwen3-Omni等。英语平均WER 5.74%。但未开放权重、许可证和API，仅提供Demo体验，分数均为自报。
延伸解读
自报成绩与可复现性
Falcon-ASR 的阿拉伯语平均 WER 20.92% 和英语平均 WER 5.74% 均来自 TII 自行评测，并非第三方榜单的正式条目。阿联酋方言测试集为内部私有数据，无法复现。因此，这些分数在与其他模型对比时需谨慎看待，实际表现可能因测试条件不同而有差异。
获取门槛与开发者影响
目前 Falcon-ASR 仅通过 Hugging Face Demo 提供体验，未开放权重、许可证或 API。Demo 限制音频最长 60 秒、20 MB。对于希望集成该模型的开发者，暂时无法进行本地部署或生产环境调用，只能等待后续 API 或权重发布。
方言优势与对比局限
在 TII 内部阿联酋方言测试集上，Falcon-ASR 的 WER 为 22.73%，低于 Qwen3-Omni 的 26.80% 和 Audar-ASR-V1-Turbo 的 27.89%。但该测试集不公开，且 Audar 在另一个数据集 Mixat 上报告 WER 19.4%，两者数字不能直接比较。方言性能的领先幅度需结合具体场景评估。
多语言与时间戳特性
Falcon-ASR 用一套权重支持阿拉伯语（含阿联酋方言）、英语、法语、西班牙语和葡萄牙语，无需语言标记，并输出词级时间戳。这对字幕制作、会议记录等场景有实用价值。不过，法语、西语和葡语的 WER 未公布，实际效果尚不明确。
Q&A
Falcon-ASR 是什么？它支持哪些语言？
Falcon-ASR 是阿布扎比技术创新研究院（TII）发布的 1.6B 参数语音识别模型，聚焦阿拉伯语（含阿联酋方言），同时支持英语、法语、西班牙语和葡萄牙语，5 种语言共用同一套权重，无需语言标记，并输出词级时间戳。
Falcon-ASR 在阿拉伯语基准测试上的表现如何？
在 TII 的评测中，Falcon-ASR 在 6 个阿拉伯语测试集上取得 20.92% 的平均词错误率（WER），比榜单中最佳已公布成绩 Audar-ASR-V1-Turbo（23.17%）领先 2.25 个百分点。该结果为 TII 自行跑出，并非榜单条目。
Falcon-ASR 对阿联酋方言的识别效果怎么样？
在 TII 内部构建的阿联酋与海湾测试集上，Falcon-ASR 的 WER 为 22.73%，优于 Qwen3-Omni-30B-A3B-Instruct（26.80%）、Audar-ASR-V1-Turbo（27.89%）等模型，领先 Qwen3-Omni 4.07 个 WER 点。但该测试集为私有，无法复现。
Falcon-ASR 的英语识别能力如何？
在 Hugging Face Open ASR Leaderboard 使用的 7 个英语测试集上，TII 报告 Falcon-ASR 的平均 WER 为 5.74%，各测试集分数从 LibriSpeech clean 的 1.75% 到 Earnings-22 的 11.86% 不等。作为参照，Qwen3-ASR-1.7B 在该榜单上列出的平均 WER 为 5.76%。
Falcon-ASR 目前如何获取？是否开放权重或 API？
目前 Falcon-ASR 未开放权重、许可证和 API，只能通过 Hugging Face Demo 体验，Demo 接受最长 60 秒、20 MB 的音频片段。API 与原生应用尚在规划中。
Falcon-ASR 与 Audar-ASR-V1-Turbo 相比有哪些主要差异？
Falcon-ASR 参数量 1.6B，基于 Falcon3-Audio 架构，支持 5 种语言，阿拉伯语平均 WER 20.92%，未开放权重，仅提供 Demo；Audar-ASR-V1-Turbo 参数量 2.35B，采用 FastConformer 编码器 + Transformer 解码器，支持 30 种语言，阿拉伯语平均 WER 23.17%，开放权重（BF16、GGUF、W4A16）并提供 API。
