Falcon-ASR: نموذج للتعرف على الكلام العربي يركز على اللهجة الإماراتية
قدّم معهد الابتكار التكنولوجي في أبوظبي نموذج Falcon-ASR بحجم 1.6 مليار معلمة لتفريغ الكلام العربي، مع تركيز خاص على اللهجة الإماراتية. ووفق تقييمات الفريق، حقق النموذج متوسط معدل خطأ كلمات قدره 20.92% عبر ست مجموعات اختبار عربية، ويدعم أيضًا الإنجليزية والفرنسية والإسبانية والبرتغالية بأوزان موحدة.
أبرز النقاط
- Falcon-ASR نموذج للتعرف على الكلام بحجم 1.6 مليار معلمة، طوّره TII في أبوظبي مع تركيز خاص على اللهجة الإماراتية.
- سجل النموذج، وفق تقييم مطوريه، متوسط معدل خطأ كلمات قدره 20.92% عبر ست مجموعات اختبار عربية.
- في تقييم داخلي للكلام الإماراتي والخليجي، حقق 22.73% في خطأ الكلمات و10.19% في خطأ الأحرف.
- يدعم النموذج العربية والإنجليزية والفرنسية والإسبانية والبرتغالية بالأوزان نفسها ومن دون تحديد اللغة مسبقًا.
- يوفر طوابع زمنية لكل كلمة مفرغة، ما يفيد في مزامنة النص مع الصوت والبحث داخل التسجيلات.
يختلف التعرف على الكلام العربي كثيرًا عن مجرد تحويل نشرة إخبارية إلى نص. فاللهجات تتبدل بين المناطق، وتؤثر المكالمات الهاتفية والضوضاء وتداخل المتحدثين في جودة التفريغ. لهذا قد ينجح نظام في العربية الفصحى، لكنه يخطئ أكثر عند التعامل مع محادثة يومية باللهجة الإماراتية أو الخليجية.
في هذا السياق، قدّم معهد الابتكار التكنولوجي (TII) في أبوظبي نموذج Falcon-ASR، وهو نموذج للتعرف على الكلام وتحويله إلى نص بحجم 1.6 مليار معلمة، يركز على العربية المنطوقة وبالأخص اللهجة الإماراتية.
ماذا حقق في الاختبارات العربية؟
يعتمد التقييم على مقياس معدل خطأ الكلمات أو WER، وهو نسبة الكلمات التي أخطأ النظام فيها عند مقارنة التفريغ بالنص المرجعي؛ وكلما انخفضت النسبة كان الأداء أفضل.
وفق تقييم الفريق على ست مجموعات اختبار مستخدمة في لوحة Open Universal Arabic ASR Leaderboard، سجّل Falcon-ASR متوسط WER قدره 20.92%. ويقول الفريق إن هذه النتيجة أفضل بـ2.25 نقطة مئوية من أفضل نتيجة منشورة في لقطة لوحة المتصدرين التي اعتمدها للمقارنة، والبالغة 23.17%.
وفي تقييم داخلي إضافي للكلام الإماراتي والخليجي، باستخدام تسجيلات محجوزة للاختبار ونصوص راجعتها جهات بشرية، سجّل النموذج:
- 22.73% لمعدل خطأ الكلمات.
- 10.19% لمعدل خطأ الأحرف (CER)، وهو مقياس مشابه يحسب الأخطاء على مستوى الحروف.
ويذكر TII أن Falcon-ASR حقق أدنى نتيجتين في مقياسي الكلمات والأحرف بين الأنظمة التي قارنها في هذا التقييم الداخلي، وأن معدل خطأ الكلمات كان أقل بـ4.07 نقطة مئوية من Qwen3-Omni، صاحب النتيجة التالية في المقارنة.
تدريب يستهدف ظروف الاستخدام الواقعية
تضمّنت بيانات التدريب حالات قد تربك أنظمة التفريغ عادةً، مثل ضوضاء الخلفية، وتداخل كلام أكثر من متحدث، والموسيقى، وصدى الغرف، وتأثيرات التسجيل عبر الهاتف. كما شملت تغيرات في سرعة الكلام وطبقته.
وتدرب النموذج على بيانات من اللهجة الإماراتية والعربية الفصحى ولهجات خليجية وعربية أخرى، إضافة إلى الإنجليزية. والهدف هو التعامل مع الكلام اليومي، بما في ذلك الانتقال بين العربية والإنجليزية داخل الحديث نفسه.
خمس لغات من نموذج واحد
لا يقتصر Falcon-ASR على العربية. فهو يدعم الإنجليزية والفرنسية والإسبانية والبرتغالية أيضًا، باستخدام أوزان النموذج نفسها ومن دون الحاجة إلى تمرير خيار يحدد اللغة مسبقًا؛ إذ يفترض أن ينتج النص باللغة المنطوقة في التسجيل.
وفي اختبارات الفريق على سبع مجموعات اختبار إنجليزية عامة مستخدمة في Hugging Face Open ASR Leaderboard، بلغ متوسط WER للنموذج 5.74%.
كما يدعم Falcon-ASR طوابع زمنية على مستوى الكلمات، أي ربط كل كلمة مفرغة بموضعها الزمني في التسجيل. وهذه ميزة مفيدة في تفريغ المقابلات والاجتماعات وإنتاج الترجمة النصية المتزامنة والبحث داخل الملفات الصوتية.
ويستند النموذج إلى أعمال TII السابقة في Falcon3-Audio. وتتوافر حاليًا نسخة تجريبية للنموذج عبر Hugging Face، بينما لا يزال الوصول عبر API والتطبيقات الأصلية ضمن الخطط المعلنة.
لماذا يهم؟
اللهجات العربية وبيئات التسجيل اليومية من أصعب حالات تفريغ الكلام آليًا بسبب محدودية البيانات وتنوع النطق والضوضاء. تركيز Falcon-ASR على الإماراتية والخليجية، إلى جانب الطوابع الزمنية ودعم عدة لغات في نموذج واحد، قد يجعله خيارًا عمليًا لتطبيقات الاجتماعات والمكالمات والمحتوى الصوتي العربي، مع بقاء نتائج اللهجة الإماراتية المعروضة مبنية على تقييم داخلي للفريق.