Qué anuncia TII y con qué alcance
El Technology Innovation Institute (TII), con sede en Abu Dabi, ha presentado Falcon-ASR, un modelo de reconocimiento automático de voz de 1.600 millones de parámetros orientado al árabe y, en particular, al dialecto emiratí. Según el anuncio de TII, el modelo también transcribe inglés, francés, español y portugués con los mismos pesos, sin necesidad de indicar el idioma de antemano: la salida es un texto en la lengua hablada.
El anuncio incluye una demo en Hugging Face para probar el modelo con grabaciones propias. El acceso por API y las aplicaciones nativas están, según la misma fuente, planificados, sin fecha ni condiciones publicadas.
Los números que publica el propio TII
La evaluación que acompaña al anuncio sigue el protocolo de la Open Universal Arabic ASR Leaderboard, que promedia el error de palabras (WER) y el error de caracteres (CER) sobre seis conjuntos de prueba en árabe. En esa comparación, Falcon-ASR registra un WER medio del 20,92% y un CER del 8,79%, frente al 23,17% y 9,23% de Audar-ASR-V1-Turbo, el siguiente mejor resultado publicado en la instantánea de la tabla consultada el 30 de septiembre de 2026. La diferencia que destaca TII es de 2,25 puntos porcentuales.
En una evaluación interna sobre grabaciones emiratíes y del Golfo, con transcripciones revisadas por personas, el modelo obtiene un 22,73% de WER y un 10,19% de CER. TII lo sitúa por delante de Qwen3-Omni-30B-A3B-Instruct (26,80% y 12,72%) y de Audar-ASR-V1-Turbo (27,89% y 13,75%). Son cifras del proveedor, no verificaciones independientes, y corresponden a conjuntos de prueba concretos.
Para inglés, TII reporta un WER medio del 5,74% sobre los siete conjuntos públicos que usa la Open ASR Leaderboard de Hugging Face, con resultados que van del 1,75% en LibriSpeech clean al 11,86% en Earnings-22.
Por qué el dialecto cambia el problema
El propio anuncio explica la dificultad: el árabe hablado varía por región, hablante y entorno, y un modelo que funciona con un informativo formal puede fallar en una conversación emiratí o en una llamada telefónica. Además, los recursos transcritos para dialectos son menores que para el árabe estándar moderno, lo que complica entrenar y evaluar.
TII indica que entrenó el modelo con emiratí, árabe estándar, otros dialectos del Golfo y árabes, e inglés, y que incluyó ruido de fondo, solapamiento de voces, música, reverberación y efectos de telefonía, además de variaciones de velocidad y tono. El modelo también admite marcas de tiempo a nivel de palabra, que ligan cada palabra transcrita a su posición en el audio.
Qué mirar antes de llevarlo a un proceso real
El anuncio no detalla licencia, coste de despliegue, requisitos de infraestructura ni disponibilidad en España. Tampoco hay datos sobre rendimiento en español o portugués más allá de que el modelo los soporta. Para un negocio que quiera usarlo en atención telefónica o transcripción de reuniones, esas condiciones importan tanto como el WER.
Un ejemplo hipotético: una empresa recibe llamadas en árabe y español, transcribe cada conversación con Falcon-ASR, extrae los datos clave y los deja como borrador para que una persona los revise antes de pasarlos al sistema de gestión. La revisión humana sigue siendo necesaria porque ningún WER publicado es cero.
La comprobación útil es concreta: probar la demo con grabaciones propias del idioma, acento y canal que usa tu negocio, y medir cuántas palabras hay que corregir por cada minuto de audio antes de decidir si compensa integrarlo.
Conecta tus llamadas con tu sistema de gestión
Si atiendes clientes por teléfono o gestionas reuniones que hoy nadie transcribe, el cuello de botella no es solo el modelo: es llevar lo hablado a tu CRM o a tu herramienta de gestión sin copiar y pegar. En Wemvy integramos servicios de transcripción con tus sistemas, automatizamos el flujo de aprobación y dejamos los datos listos para que tu equipo los revise y actúe.
Cuéntanos qué conversaciones quieres convertir en tareas y te proponemos un primer paso con alcance acordado.
Fuente: huggingface.co
