«Понимать не только арабский, но и то, как на нём говорят»: TII выпустила Falcon-ASR — модель распознавания речи на 1,6 млрд параметров

Три модели одной волны

Technology Innovation Institute (TII) — прикладной исследовательский центр при Совете передовых технологий Абу-Даби (ATRC) — 6 октября 2026 года объявил сразу о трёх новых моделях. В одну волну вошли Falcon-Emirati — языковая модель на 7 млрд параметров, заточенная под эмиратский арабский, Falcon-ASR — модель распознавания речи на 1,6 млрд параметров и Falcon-OCR-Arabic — легкая модель оптического распознавания арабского текста на 270 млн параметров.

Falcon-ASR расширяет арабские возможности TII из текста в речь: модель переводит в письменный вид произнесённый эмиратский арабский и Modern Standard Arabic (MSA), а также английский, французский, испанский и португальский. Формально это самая маленькая модель в тройке по числу параметров — и именно на компактность TII делает ставку, заявляя лидирующую точность при таком размере.

Зачем это нужно: арабский — не один язык

Арабский на деле — не один язык, а целая семья под одним именем. Modern Standard Arabic — это то, что читают в новостях и учебниках, но в повседневной речи используются местные диалекты. Эмиратский арабский несёт особые выражения, культурные отсылки и способы общения, а пословицы и короткие истории часто нельзя понять буквальным переводом.

Как и многие арабские диалекты, он недопредставлен в данных, на которых обучают ИИ-системы. Из-за этого модель, обученная в основном на MSA, может понимать каждое слово эмиратской фразы и всё равно промахиваться мимо её смысла — именно этот разрыв и призвана закрыть новая волна моделей.

Генеральный директор TII Наджва Аарадж (Najwa Aaraj) формулирует это так: «Суверенный ИИ должен отражать язык, на котором говорят в повседневной жизни. Эмиратский арабский несёт в себе особые выражения, культурные отсылки и способы общения. Falcon-Emirati и Falcon-ASR помогут следующему поколению ИИ понимать не только арабский, но и то, как на нём на самом деле говорят эмиратские сообщества».

Что умеет Falcon-ASR

Falcon-ASR — компактная модель автоматического распознавания речи на 1,6 млрд параметров, спроектированная для перевода устной речи в текст. На входе — шесть языков и вариантов: эмиратский арабский, Modern Standard Arabic, английский, французский, испанский и португальский.

Отдельная возможность — метки на уровне отдельных слов: модель фиксирует, когда именно в аудиофайле произнесено каждое слово. Это позволяет точно выравнивать расшифровку с аудио и видео, что нужно для субтитров и записей с поиском по тексту.

Модель заявлена как рассчитанная на реальные условия звукозаписи: фоновый шум, перекрывающуюся речь, реверберацию помещения и звук телефонного качества. Среди сценариев применения TII перечисляет многоязычную клиентскую поддержку, расшифровку встреч и интервью, субтитрирование, записываемые на поиск материалы, инструменты доступности и голосовые цифровые сервисы.

Результаты: два набора замеров

TII приводит две группы измерений. Первая — открытый лидерборд Open Universal Arabic ASR Leaderboard, где оценка идёт через word error rate (WER) и character error rate (CER); меньше — лучше. У Falcon-ASR средний WER составил 20,92 при CER 8,79 — лучший средний результат среди сравнённых систем. Для сравнения: Audar-ASR-V1-turbo (2,35 млрд параметров) показал 23,17 и 9,23, Cohere Transcribe Arabic (июль 2026, 2,0 млрд параметров) — 25,87 и 11,80, а omniASR LLM 7B (7,0 млрд параметров) — 28,32 и 12,52.

Вторая группа — внутренний эмиратский бенчмарк TII. Здесь Falcon-ASR набрал 22,73 WER и 10,19 CER, опередив системы крупнее себя: Qwen3-Omni-30B-A3B-Instruct (30 млрд параметров, 3,0 млрд активных) показал 26,80 и 12,72, Audar-ASR-V1-Turbo — 27,89 и 13,75, Cohere Transcribe Arabic — 31,05 и 18,07, Qwen3-ASR-1.7B-hf — 31,52 и 13,35, а Audar-ASR-V1-Flash — 32,87 и 15,36. Иначе говоря, на эмиратской речи 1,6-миллиардная модель обошла мультимодальную систему в 30 млрд параметров.

Рамка и как попробовать

Это анонс самого разработчика: приведённые цифры — заявление TII и её внутренние замеры, независимой проверки со стороны у них пока нет, а сравнения с конкурентами сделаны по выборке, которую формировала сама TII. Chief Researcher ИИ-направления TII Хаким Хасид (Hakim Hacid) описывает подход так: это адресная специализация под язык, речь и понимание документов — там, где у арабского ИИ ещё есть заметный запас для роста.

Попробовать модель можно в официальной демонстрации TII на Hugging Face Spaces; сама страница Falcon-ASR и Falcon-OCR-Arabic также доступна на сайте Falcon LLM. Falcon-ASR — третья модель той же волны, о которой мы писали раньше: о Falcon-Emirati и Falcon-OCR-Arabic у нас уже выходили отдельные материалы.