TII presenta Falcon‑ASR, modello vocale da 1,6 miliardi focalizzato sull'emiratino

Punta sull’emiratino, dialetto poco coperto nei dataset, il nuovo Falcon‑ASR del Technology Innovation Institute di Abu Dhabi: 1,6 miliardi di parametri, priorità all’arabo parlato e un set di risultati pubblici e interni che quantificano il salto sul WER. Nel post di presentazione, gli autori riportano un word error rate medio del 20,92% su sei set di test arabi e un 22,73% sul parlato emiratino valutato internamente¹.

Falcon‑ASR nasce come riconoscitore per l’arabo con attenzione esplicita al dialetto degli Emirati. Gli autori indicano il confronto con uno snapshot di una leaderboard che porta il miglior risultato pubblicato al 23,17% di WER. Affiancano così i propri numeri a quel riferimento. Il post non specifica quale leaderboard né quali sistemi includeva lo snapshot citato, un limite per inquadrare il 23,17% oltre il perimetro definito dagli autori stessi¹.

Il focus sull’emiratino discende da una difficoltà strutturale: i dialetti arabi dispongono di meno risorse trascritte rispetto all’arabo standard moderno. La resa varia per regione, parlante e contesto. Un modello tarato sul registro dei notiziari può fallire su conversazioni informali o su audio telefonico. L’obiettivo dichiarato è ridurre questo divario, con un’attenzione specifica alla variabilità del parlato negli Emirati¹.

Nel complesso dei test riportati, i numeri chiave sono tre: 20,92% di WER medio su sei set arabi; 23,17% come miglior risultato nello snapshot usato come riferimento; 22,73% di WER sull’emiratino nella valutazione interna. Gli autori affermano inoltre che, su quel banco di prova emiratino, Falcon‑ASR ottiene il tasso di errore più basso a livello di parola e di carattere tra i sistemi messi a confronto nel post¹.

Il modello non si limita all’arabo. Il post elenca il supporto anche per inglese, francese, spagnolo e portoghese. Per l’uso in produzione, gli autori segnalano i timestamp a livello di parola: ogni termine trascritto viene allineato alla posizione nell’audio. La funzione abilita ricerche, segmentazioni e allineamenti più precisi nel flusso parlato¹.

Il quadro che emerge è circoscritto e verificabile: sei set arabi per la media del WER, un confronto puntuale con uno snapshot esterno non dettagliato, e una prova interna sul dialetto emiratino. Le cifre collocano Falcon‑ASR dentro l’obiettivo dichiarato di migliorare la resa sul parlato arabo non standard, con priorità alla varietà locale degli Emirati¹.

Resta un punto aperto per chi valuta da fuori: l’assenza di informazioni sulla leaderboard e sui sistemi inclusi nello snapshot rende più difficile comparare i risultati oltre il contesto definito dagli autori, pur dando un’indicazione del livello prestazionale che il team intende prendere come riferimento¹.