O Technology Innovation Institute (TII), de Abu Dhabi, apresentou o Falcon-ASR, um modelo de reconhecimento automático de fala com 1,6 mil milhões de parâmetros, com foco no árabe, incluindo o dialecto emiradense. Segundo os dados publicados pelo instituto, o sistema também suporta inglês, francês, espanhol e português. A apresentação foi publicada a 7 de outubro de 2026 na plataforma Hugging Face.
Na avaliação em seis conjuntos de teste árabes, o TII indica uma taxa média de erro por palavra (WER) de 20,92%. O instituto compara esse valor com os 23,17% da melhor referência publicada no retrato do Open Universal Arabic ASR Leaderboard utilizado na análise, cujos resultados concorrentes foram consultados a 30 de setembro de 2026. A classificação, mantida pelo ELM Research Center, calcula uma média com igual peso entre os seis testes e inclui também a taxa de erro por carácter. Valores inferiores representam melhor desempenho.
Para avaliar o árabe emiradense, o TII complementou a cobertura de dados públicos, que já inclui uma amostra dos Emirados, com uma avaliação interna. Nela, com gravações reservadas e transcrições validadas por pessoas, o Falcon-ASR obteve 22,73% de WER e 10,19% de erro por carácter (CER). O instituto afirma que estes foram os valores mais baixos entre os sistemas comparados e que a WER ficou 4,07 pontos percentuais abaixo do Qwen3-Omni, o resultado seguinte. A comparação é apresentada pelo próprio TII e não constitui uma avaliação independente.
O treino incluiu fala emiradense, árabe moderno padrão, outros dialectos do Golfo e outros dialectos árabes, além de inglês. De acordo com o instituto, os dados foram preparados para representar condições como ruído de fundo, vozes sobrepostas, música, reverberação e efeitos de chamadas telefónicas, bem como variações de velocidade e tom. O objectivo declarado é transcrever palavras usadas na fala quotidiana, incluindo formas dialectais e mudanças entre línguas.
Para inglês, o TII reporta uma WER média de 5,74% em sete conjuntos públicos usados pelo Hugging Face Open ASR Leaderboard. O modelo utiliza os mesmos pesos para as cinco línguas e, segundo a apresentação, não precisa de receber uma indicação prévia da língua: deve transcrever no idioma falado. Também disponibiliza marcas temporais por palavra, associando cada palavra transcrita à sua posição no áudio. O artigo não apresenta resultados quantitativos para francês, espanhol ou português.
O Falcon-ASR assenta no trabalho Falcon3-Audio, cuja arquitectura e método de treino são descritos pelos autores num artigo sobre modelos de áudio e linguagem. Para já, o TII disponibiliza uma demonstração no Hugging Face. O acesso por API e aplicações nativas é indicado como planeado, não como já disponível. Os números de desempenho citados são os publicados pelo próprio instituto; a comparação com outros sistemas deve ser entendida no contexto dos conjuntos de dados, protocolos e condições de avaliação utilizados.
Porque importa
O lançamento aborda a transcrição de dialectos árabes e de fala captada em condições quotidianas. Os resultados publicados descrevem avaliações do TII e não constituem validação independente.