Назад
10 октября 2026 г. в 09:40 Open Source Speech Recognition Arabic Hugging Face Источник

Falcon ASR: открытая модель для арабской речи и пяти языков

Falcon ASR: открытая модель для арабской речи и пяти языков

Распознавание арабской речи часто ломается не на новостной дикции, а на звонке, местном диалекте или разговоре, где смешаны языки. Институт технологических инноваций ОАЭ (TII) представил открытую модель Falcon-ASR, рассчитанную именно на такой сценарий: помимо литературного арабского она обучалась на эмиратской и других диалектных разновидностях.

У модели 1,6 млрд параметров. Она умеет расшифровывать арабский, английский, французский, испанский и португальский одними весами — без отдельного переключателя языка. В расшифровке доступны временные метки на уровне слов: это полезно для субтитров, поиска по записи и проверки длинных интервью.

В анонсе TII на Hugging Face заявляет средний показатель WER (word error rate, доля ошибочно распознанных слов) 20,92% на шести арабских тестовых наборах. Чем ниже WER, тем лучше. По данным разработчиков, это на 2,25 процентного пункта ниже лучшего опубликованного результата в их снимке лидерборда от 30 сентября. Это сравнение стоит читать именно как результат авторской оценки, а не как независимый общий рейтинг.

Сравнение WER Falcon-ASR с результатами на шести арабских тестовых наборах

График: TII / Falcon-ASR.

Диалект важнее красивой цифры

Отдельно TII проверял модель на эмиратской речи: там Falcon-ASR показал WER 22,73% и CER 10,19%. В обучении добавляли шум, музыку, перекрывающиеся голоса, эхо помещения и телефонные искажения. Такие условия ближе к реальным созвонам, чем чистые студийные записи.

У модели есть и более широкий практический смысл. Командам, работающим с многоязычными записями, не придётся сначала угадывать язык фрагмента или склеивать несколько распознавателей. Но «открытая» модель не отменяет проверку на собственных данных: корпоративные звонки, имена и местный жаргон обычно оказываются сложнее публичных бенчмарков.

Демо Falcon-ASR уже доступно в Hugging Face Space; API и нативные приложения разработчики пока только планируют. Для пользователей это скорее инструмент для тестирования качества и построения собственных пайплайнов, чем готовая замена облачному сервису.

Ещё новости

Gemini Robotics 2.5: гуманоид Apollo показал 96% в цехе Mercedes
12 ноября 2026 г.
Gemini Robotics 2.5: гуманоид Apollo показал 96% в цехе Mercedes

Google DeepMind представила Gemini Robotics 2.5 — VLA-модель для управления роботами. В пилоте на линиях Mercedes-Benz гуманоид Apollo 2 сортировал автодетали с заявленным успехом 96%.

Gemini Live появился в Apple CarPlay
12 ноября 2026 г.
Gemini Live появился в Apple CarPlay

Google начала глобально разворачивать Gemini Live в Apple CarPlay. Голосовой помощник может продолжать диалог с iPhone, но часть персонализированных функций недоступна пользователям в ЕЭЗ.

Google выпустила Gemini Decision 1: ИИ для выбора без генерации текста
12 ноября 2026 г.
Google выпустила Gemini Decision 1: ИИ для выбора без генерации текста

Google открыла Gemini Decisions API и модель Gemini Decision 1 — инструмент для быстрых проверок, маршрутизации и оценок по тексту, изображениям, аудио, видео и PDF. Вместо генерации ответа модель возвращает вероятности вариантов.

Google расширяет Gemini Intelligence на Pixel 10 и Motorola
11 ноября 2026 г.
Google расширяет Gemini Intelligence на Pixel 10 и Motorola

Google добавляет Gemini Intelligence на Pixel 10 и будущий Motorola Signature 27. Среди новых функций — голосовой черновик Rambler, виджеты по текстовому описанию и управление настройками устройства; доступ зависит от страны, языка, возраста, модели и подписки.

Google добавила офлайн-голос в AI Edge Gallery
11 ноября 2026 г.
Google добавила офлайн-голос в AI Edge Gallery

Google AI Edge Gallery получила локальные распознавание речи и синтез голоса. Голосовой интерфейс можно запускать на устройстве без сети — но возможности зависят от платформы и модели.

Microsoft показала бэкдор для ИИ-агентов со «спящими» нейронами
11 ноября 2026 г.
Microsoft показала бэкдор для ИИ-агентов со «спящими» нейронами

Исследователи Microsoft описали Lazarus — технику, при которой небольшое изменение весов модели может оставить агента обычным до скрытого условия. Риск относится к моделям, которым доверили инструменты, терминал или доступ к секретам.

Google открыла доступ к Gemini 4 Carbon — самой мощной модели линейки
10 ноября 2026 г.
Google открыла доступ к Gemini 4 Carbon — самой мощной модели линейки

Google начала открывать доступ к Gemini 4 Carbon: API доступен платным разработчикам и компаниям, а подписчикам AI Ultra модель постепенно появляется в приложении Gemini, AI Mode и Antigravity. На старте тариф совпадает с Gemini 4 Argon — $2 за миллион входных и $10 за миллион выходных токенов; после 30 ноября цена вырастет вдвое.

Meta расширяет AI-проверку возраста для Teen Accounts по всему миру
10 ноября 2026 г.
Meta расширяет AI-проверку возраста для Teen Accounts по всему миру

Meta начала глобально расширять технологию оценки возраста с помощью ИИ в Instagram. Компания будет переводить в Teen Accounts больше подростков, указавших при регистрации взрослую дату рождения.

Notion: часть чатов Notion AI могла попасть в инцидент Fireworks
10 ноября 2026 г.
Notion: часть чатов Notion AI могла попасть в инцидент Fireworks

Notion сообщила, что в инциденте у её подрядчика Fireworks AI могли оказаться отдельные анонимизированные расшифровки диалогов Notion AI. Компания рекомендует затронутым командам считать вставленные в чат секреты потенциально раскрытыми и заменить их.

Claude спроектировал три электронных устройства без правок в схемах
10 ноября 2026 г.
Claude спроектировал три электронных устройства без правок в схемах

Anthropic проверила Claude на проектировании реальной электроники: три прототипа собрали и запустили без исправлений в схемах. Это ещё не замена инженеру, но ИИ уже берёт на себя часть связанной работы от спецификации до платы.

Claude Fable 5.2: Anthropic снизила цену и показала рой из 1000 агентов
9 ноября 2026 г.
Claude Fable 5.2: Anthropic снизила цену и показала рой из 1000 агентов

Anthropic представила Claude Fable 5.2 и Claude Mythos 5.2: базовая цена — $8 за миллион входных и $40 за миллион выходных токенов, а генерация, по заявлению компании, ускорилась до 30%. Самая заметная цифра в опубликованной таблице — 41,3% в Remote Labor Index, но это результат Anthropic при режиме High effort, а не независимый рейтинг.

Google представила TPU 8tx и 8i Max для защищённого ИИ и длинного контекста
9 ноября 2026 г.
Google представила TPU 8tx и 8i Max для защищённого ИИ и длинного контекста

Google расширила линейку TPU восьмого поколения двумя специализированными системами. Одна ориентирована на конфиденциальный инференс, другая — на модели с особенно длинным контекстом.