阿布扎比技术创新研究院（TII）发布了 Falcon-ASR，一个 1.6B 参数的阿拉伯语语音识别模型。它专注于阿联酋方言，同时也能转写英语、法语、西班牙语和葡萄牙语。在 TII 的评估中，Falcon-ASR 在 6 个阿拉伯语测试集上的平均词错误率（WER）为 20.92%。这比 TII 排行榜快照中已公布的最佳条目高出 2.25 个百分点。对于构建阿拉伯语语音产品的开发者来说，问题在于访问权限：目前它仅以托管演示的形式运行。

TL;DR

规模：1.6B 参数。最大音频上下文：未披露（演示接受最长 60 秒、20 MB 的音频片段）。

运行平台：未披露。未发布权重或量化版本。访问方式为 Hugging Face 演示，API 和原生应用尚在计划中。

性能：在 TII 自身的对比中，阿拉伯语和阿联酋方言 WER 最低，英语结果也相当扎实。

最佳：阿拉伯语平均 WER 为 20.92%，比 Audar-ASR-V1-Turbo（23.17%）低 2.25 个百分点。

最差：在 Earnings-22 上 WER 为 11.86%，这是其表现最弱的英语测试集。

结论（最佳）：一个紧凑的 1.6B 模型在 TII 的测试中领先于更大的阿拉伯语系统。

结论（最差）：没有权重、没有许可证、尚无 API，且所有分数均为自报。

什么是 Falcon-ASR？

Falcon-ASR 是 TII 推出的语音转文本模型，可将阿拉伯语口语和另外 4 种语言转换为文本。全部 5 种语言共用一套权重。该模型无需语言标记，会以所说的语言输出文本。它还会返回词级时间戳，将每个词与其在音频中的位置关联起来。这对于字幕、可搜索录音和会议记录很重要。

Falcon-ASR 如何处理阿拉伯语方言？

方言阿拉伯语的转写资源远少于现代标准阿拉伯语（MSA）。TII 在阿联酋方言、MSA、其他海湾方言和阿拉伯语方言以及英语上训练了 Falcon-ASR。目标是日常口语，包括方言形式和语码转换。

训练音频经过了背景噪声、重叠语音、音乐、房间混响和电话效果的增强。语速和音高也做了变化。同样的处理也应用于阿联酋方言录音。

该模型建立在 TII 的 Falcon3-Audio 工作之上。那项研究描述了基于指令微调 LLM 和 Whisper 编码器构建的音频语言模型，训练数据不足 3 万小时的公开音频。我们 Marktechpost 的编辑与技术团队未能找到任何已发布的 Falcon-ASR 确切架构或训练数据规模。

Falcon-ASR 在阿拉伯语基准测试上得分如何？

TII 遵循了由 ELM 研究中心运营的 Open Universal Arabic ASR Leaderboard 的协议。该榜单按 6 个测试集上的等权重平均 WER 对系统排名。TII 使用了该榜单固定的清单文件。竞品数据为已发布的榜单平均值，核查于 2026 年 9 月 30 日。

ModelParamsAvg WER (%)Avg CER (%)Falcon-ASR1.6B20.928.79Audar-ASR-V1-Turbo2.35B23.179.23Cohere Transcribe Arabic (07-2026)2.0B25.8711.80omniASR LLM 7B7.0B28.3212.52

数值越低越好。请注意，Falcon-ASR 的数据是 TII 自己的运行结果，并非榜单条目。Audar 的模型卡列出的自身平均 CER 为 9.20%。

Falcon-ASR 在阿联酋语音上表现如何？

TII 用留出录音构建了一个内部阿联酋与海湾测试集，转录文本经人工验证。它补充了公开 Casablanca 数据集的阿联酋子集。

ModelParamsWER (%)CER (%)Falcon-ASR1.6B22.7310.19Qwen3-Omni-30B-A3B-Instruct30B (3B active)26.8012.72Audar-ASR-V1-Turbo2.35B27.8913.75Cohere Transcribe Arabic2.0B31.0518.07Qwen3-ASR-1.7B2.0B31.5213.35Audar-ASR-V1-Flash0.78B32.8715.36

Falcon-ASR 以 4.07 个 WER 点的优势领先 Qwen3-Omni。该测试集为私有，因此无法复现。Audar 在另一个阿联酋测试集（Mixat）上报告了 19.4% 的 WER，因此这些数字不能直接比较。

Falcon-ASR 在英语上表现如何？

在 Hugging Face Open ASR Leaderboard 使用的 7 个英语测试集上，TII 报告平均 WER 为 5.74%。各测试集得分从 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%。法语、西班牙语和葡萄牙语也受支持，但 TII 未公布这些语言的得分。

对比：Falcon-ASR 与最接近的阿拉伯语 ASR 模型

FeatureFalcon-ASR Audar-ASR-V1-Turbo Cohere Transcribe Arabic Qwen3-ASR-1.7B 组织 TII（阿联酋）AudarAI Cohere 阿里巴巴 Qwen 参数量 1.6B 2.35B 2B 1.7B（Hugging Face 卡片上为 2B）架构 基于 Falcon3-Audio 构建 音频编码器 + LM 解码器 FastConformer 编码器 + Transformer 解码器 基于 Qwen3-Omni 构建 许可证 未披露 AudarAI 社区许可证 v1.0 Apache 2.0 Apache 2.0 开源权重 否 是（BF16、GGUF、W4A16）是 是 语言 5 种（阿拉伯语含阿联酋方言、英语、法语、西班牙语、葡萄牙语）30 种（阿拉伯语优先）阿拉伯语、英语 30 种语言 + 22 种中文方言 阿拉伯语平均 WER（6 个数据集）20.92（TII 评测）23.17 25.87 33.36（排行榜）阿拉伯语平均 CER 8.79（TII 评测）9.20 11.80 12.33 TII 阿联酋方言 WER 22.73 27.89 31.05 31.52 英语平均 WER（开放 ASR 数据集）5.74（TII 评测）未披露 未披露 5.76 时间戳 词级 未披露 未披露 通过 Qwen3-ForcedAligner-0.6B 运行平台 未披露（托管演示）CPU、GPU、通过 GGUF 在边缘设备运行；W4A16 在 12 GB+ GPU 上运行 未披露 通过 Transformers 或 vLLM 在 GPU 上运行 获取方式 Hugging Face 演示；API 计划中 权重 + Audar API 权重 + Cohere API 权重 + DashScope API

来源：Falcon-ASR 的数据来自 TII 的博客。Audar、Cohere 和 Qwen 的排行榜数据来自 Audar 卡片上转载的 ELM 排行榜。所有模型的阿联酋方言 WER 均来自 TII 的内部评测。

关键要点

Falcon-ASR 是 TII 推出的 1.6B 阿拉伯语优先语音模型，聚焦阿联酋方言。

其报告的阿拉伯语平均 WER 为 20.92%，领先 Audar-ASR-V1-Turbo 2.25 个百分点。

在 TII 的阿联酋方言数据集上，它以 4.07 个 WER 点的优势击败了 30B 的 Qwen3-Omni。

1 套权重覆盖 5 种语言，并支持词级时间戳。

尚无权重、许可证或 API：可通过 60 秒演示进行测试。

查看 Falcon-ASR 博客、Falcon3-Audio 论文并试用演示。另外，欢迎在 Twitter 上关注我们，别忘了加入我们 150k+ 的 ML SubReddit 并订阅我们的 Newsletter。等等！你在 Telegram 上吗？现在你也可以在 Telegram 上加入我们。

文章 TII Releases Falcon-ASR: 1.6B Arabic Speech Model Hits 20.92% WER 首发于 MarkTechPost。