Falcon-ASR 把阿拉伯语识别做到 1.6B 参数：六套测试平均词错率 20.92%，重点照顾阿联酋方言
核心概要
阿布扎比技术创新研究院发布 1.6B 参数的语音识别模型 Falcon-ASR，主打阿拉伯语并特别覆盖阿联酋方言，同时支持英语、法语、西班牙语和葡萄牙语。在六套阿拉伯语测试集上，其平均词错率为 20.92%，低于所引排行榜快照中最佳已公布结果 23.17%；在内部阿联酋方言评测中，其词错率 22.73%、字错率 10.19%，为所比较系统里最低。模型还输出词级时间戳，把每个转写词对回音频中的位置。
深度剖析
Falcon-ASR 是一个 1.6B 参数的语音识别模型，以阿拉伯语为主、特别针对阿联酋方言，并同时支持英语、法语、西班牙语和葡萄牙语。 阿拉伯语语音随地区、说话人和录音场景变化，能处理正式新闻播报的模型未必能处理阿联酋方言对话或电话录音；方言阿拉伯语的转写资源也比现代标准阿拉伯语少，训练和评测都更难。 在 ELM 研究中心维护的 Open Universal Arabic ASR Leaderboard 所用的六套测试集及其固定样本清单上，Falcon-ASR 的平均词错率为 20.92%，比该排行榜 2026 年 9 月 30 日核对的最佳已公布结果 23.17% 低 2.25 个百分点。
模型在内部阿联酋方言评测中取得 22.73% 词错率和 10.19% 字错率，在所比较系统中两项均为最低。 公开评测数据中的阿联酋语音只覆盖 Casablanca 数据集的阿联酋子集，团队另用留出录音和经人工校验的转写补充评测。 在这份内部阿联酋评测上，Falcon-ASR 的词错率比次优的 Qwen3-Omni 低 4.07 个百分点；同一套权重在 Hugging Face Open ASR Leaderboard 所用的七套公开英语测试集上平均词错率为 5.74%。
训练数据覆盖阿联酋方言、现代标准阿拉伯语、其他海湾及阿拉伯方言和英语，并混入背景噪声、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。 这些录音条件正是会议、通话和日常录音中会遇到的，阿联酋录音也做了同样处理。 五种语言共用同一套权重，不需要预先指定语言标志，输出为所讲语言的转写文本；模型还提供词级时间戳，把每个转写词对应到音频中的位置。
启示与展望
已展示的范围是六套公开阿拉伯语测试集上的平均词错率、团队内部阿联酋与海湾语音评测，以及七套公开英语测试集上的平均词错率；模型可通过 Hugging Face 演示空间试用，API 访问和原生应用尚在计划中。
阿联酋方言的最低词错率和字错率来自团队自己的内部评测，所用录音与人工校验转写不在公开测试集内；公开排行榜的比较对象是 2026 年 9 月 30 日核对的已公布结果快照。