TII, 아랍어 음성인식 Falcon-ASR 1.6B 공개, 평균 WER 20.92%

아부다비의 Technology Innovation Institute(TII)가 아랍어 음성 인식 모델 Falcon-ASR을 공개했다. 매개변수는 16억 개이며, 에미리트 방언에 특히 힘을 줬고 영어, 프랑스어, 스페인어, 포르투갈어도 받아 적는다. TII는 아랍어 테스트 세트 6개의 평균 단어 오류율(WER)이 20.92%라고 밝혔다.¹²

지금 써 볼 수 있는 방법은 Hugging Face에 마련된 데모 하나뿐이다. 데모는 60초 이하, 20MB 이하의 클립을 받는다. 가중치와 양자화 버전, 라이선스는 공개되지 않았고, API와 네이티브 앱은 계획 단계라고 TII가 밝혔다. 요금과 출시 일정은 밝혀지지 않았다.¹²

작동 방식과 학습

다섯 언어가 가중치 한 벌을 공유한다. 언어를 따로 지정할 필요가 없고, 말한 언어 그대로 텍스트를 내놓는다. 단어마다 음성 속 위치를 연결하는 단어 단위 타임스탬프도 지원한다. 자막 제작이나 녹음 검색, 회의록에 쓸모가 있는 기능이다.¹²

방언 아랍어는 표준 아랍어(MSA)보다 받아 적은 자료가 훨씬 적다. TII는 에미리트 방언, MSA, 다른 걸프 방언과 아랍어 방언, 영어로 모델을 학습시켰다. 일상 대화에서 쓰는 방언 표현과 언어를 섞어 쓰는 말투를 받아 적는 것이 목표라고 했다.²

학습용 음성에는 배경 소음, 겹치는 발화, 음악, 실내 잔향, 전화 통화 효과를 넣고 속도와 음높이도 바꿨다. 에미리트 녹음에도 같은 처리를 했다. 모델은 TII의 Falcon3-Audio 연구를 토대로 한다. 이 연구는 지시 학습을 거친 대규모 언어 모델과 Whisper 인코더를 결합한 오디오 언어 모델을 다루며, 3만 시간 미만의 공개 음성으로 학습했다.¹²

성능 비교

TII는 ELM Research Center가 운영하는 Open Universal Arabic ASR Leaderboard의 방식을 따랐다. 6개 테스트 세트의 단어 오류율을 같은 비중으로 평균 내 순위를 매기는 방식이며, 고정된 목록을 그대로 썼다. 경쟁 모델 수치는 2026년 9월 30일 확인한 리더보드 평균이다. Falcon-ASR의 수치는 TII가 직접 돌린 결과이지 리더보드 등재 항목이 아니다.¹²

TII가 쓴 9월 30일 리더보드 스냅샷에서 공개된 최고 결과는 Audar-ASR-V1-Turbo의 23.17%였고, Falcon-ASR은 이보다 2.25%포인트 낮다. Audar 모델 카드는 자체 평균 문자 오류율(CER)을 9.20%로 적고 있어 표의 9.23%와 약간 다르다.

에미리트·걸프 방언은 TII가 따로 만든 내부 평가 세트로 쟀다. 따로 떼어 둔 에미리트·걸프 방언 녹음에 사람이 검증한 전사문을 붙였고, 공개 데이터 Casablanca의 UAE 부분을 보완하는 용도다. 여기서 Falcon-ASR은 WER 22.73%, CER 10.19%를 기록해 비교 대상 중 가장 낮았다. 다음 순위인 Qwen3-Omni와는 WER 4.07%포인트 차이다.¹²

이 평가 세트는 비공개라 다른 팀이 재현할 수 없다. Audar는 다른 에미리트 세트인 Mixat에서 WER 19.4%를 보고했는데, 세트가 달라 수치를 직접 견줄 수 없다.¹

영어는 Hugging Face Open ASR Leaderboard가 쓰는 공개 테스트 세트 7개에서 평균 WER 5.74%를 기록했다. 이 수치는 TII의 자체 평가 결과다. 세트별로는 LibriSpeech clean의 1.75%부터 Earnings-22의 11.86%까지 벌어진다. 같은 리더보드에 Qwen3-ASR-1.7B는 5.76%로 올라 있다. 프랑스어, 스페인어, 포르투갈어는 지원하지만 TII는 점수를 내놓지 않았다.¹²

경쟁 모델과의 접근성 차이

가장 큰 차이는 공개 범위다. Audar-ASR-V1-Turbo는 AudarAI Community License v1.0으로 가중치를 내놓았고 BF16, GGUF, W4A16 버전이 있다. Cohere Transcribe Arabic과 Qwen3-ASR-1.7B는 Apache 2.0 라이선스의 공개 가중치 모델이다. Falcon-ASR은 가중치와 라이선스가 공개되지 않았다.¹

Cohere Transcribe Arabic은 FastConformer 인코더에 트랜스포머 구조의 출력부를 짝지은 20억 매개변수 모델이다. Cohere는 2026년 6월 23일 기준 Open Universal Arabic ASR 리더보드에서 이 모델이 오픈소스 모델 중 가장 낮은 평균 WER 25.87을 기록했다고 밝혔다.¹³

Falcon-ASR의 모든 점수는 TII가 직접 보고한 것이다. 모델의 최대 오디오 컨텍스트와 구동 환경은 공개되지 않았고, 데모의 입력 한도만 60초, 20MB다. 개발자가 자사 제품에 넣어 보려면 우선 데모에 직접 녹음을 올려 방언 인식을 확인하는 것이 현재로서는 유일한 방법이다.¹²