TII מציגה את Falcon-ASR: מודל לזיהוי דיבור בערבית עם 1.6 מיליארד פרמטרים, שעדיין אי אפשר להוריד
מכון TII מאבו דאבי הציג את Falcon-ASR, מודל לזיהוי דיבור בערבית עם 1.6 מיליארד פרמטרים ודגש על הניב האמירתי. לפי המכון, המודל משיג WER ממוצע של 20.92% על שש קבוצות בדיקה. עם זאת, המשקולות וה-API עדיין לא זמינים, ולכן כרגע אי אפשר לבדוק את הנתונים באופן עצמאי.
מכון המחקר TII (Technology Innovation Institute) מאבו דאבי הציג את Falcon-ASR, מודל לזיהוי דיבור (ASR, Automatic Speech Recognition) בערבית. למודל יש 1.6 מיליארד פרמטרים, והוא שם דגש מיוחד על הערבית האמירתית. לפי הנתונים שפרסם המכון, המודל משיג שיעור שגיאות מילים (WER) ממוצע של 20.92% על פני שש קבוצות בדיקה בערבית. אבל יש כאן הסתייגות חשובה: המשקולות של המודל וה-API שלו עדיין לא זמינים. כלומר, זו הכרזה על מודל, ולא שחרור שמפתחים יכולים להשתמש בו כבר היום.
מה המספרים אומרים
WER (Word Error Rate) הוא המדד המקובל לבדיקת מערכות תמלול. הוא מודד איזה חלק מהמילים בתמלול שגוי: מילים שהוחלפו, נשמטו או נוספו בטעות, ביחס לתמלול אנושי מדויק. ככל שהמספר נמוך יותר, התמלול מדויק יותר. ממוצע של 20.92% אומר, בערך, שבממוצע על פני קבוצות הבדיקה כמעט אחת מכל חמש מילים תומללה עם שגיאה כלשהי.
קשה להעריך את המספר הזה לבד. המשמעות שלו תלויה מאוד בקבוצות הבדיקה עצמן: אם מדובר בדיבור ספונטני, בניבים מקומיים או בהקלטות באיכות נמוכה, או בהקראה פורמלית בערבית ספרותית. בחומרים שפורסמו לא מפורטת השוואה למודלים אחרים, ולכן לא ניתן לקבוע מהם אם מדובר בשיפור לעומת הכלים הקיימים.
למה ערבית, ולמה ניב אמירתי
זיהוי דיבור בערבית הוא אתגר מוכר בתחום. הערבית המדוברת מתחלקת לניבים רבים שנבדלים זה מזה באוצר המילים, בהגייה ולעתים גם בתחביר. חלק גדול מהדיבור היומיומי גם מערבב ערבית עם אנגלית. מודלים כלליים לתמלול, שאומנו בעיקר על ערבית ספרותית או על ניבים נפוצים יותר, מתקשים ככל הנראה עם ניבים מקומיים כמו האמירתי.
ההתמקדות בניב האמירתי מתאימה לאסטרטגיה הרחבה של איחוד האמירויות, שמשקיעה בבניית יכולות AI מקומיות. TII מוכר בעולם בעיקר בזכות סדרת מודלי השפה Falcon, ונראה שהשם Falcon-ASR נועד למקם את המודל החדש כחלק מאותה משפחה.
הכרזה, לא שחרור
הנקודה המרכזית בסיפור היא מה שעוד לא קיים. בלי משקולות להורדה ובלי API, חוקרים ומפתחים לא יכולים להריץ את המודל, להשוות אותו לחלופות או לבדוק את הנתונים שפרסם המכון. בינתיים, נתון ה-WER הוא דיווח של המכון עצמו.
גם לא ידוע כרגע אם המודל ישוחרר בעתיד כ-open source, תחת איזה רישיון, ומתי. לכן נכון לחכות עם הצגתו כשחרור פתוח עד שיהיו פרטים רשמיים.
המשמעות
אם המודל יהיה זמין בסופו של דבר, הוא עשוי לעניין גופים שצריכים תמלול של ערבית מדוברת: מערכות שירות לקוחות, כתוביות, ארכיוני מדיה ושירותים ממשלתיים במפרץ. עבור קוראים בישראל, שבה ערבית היא שפה מרכזית, ההתפתחות מעניינת גם מסיבה נוספת: היא מראה שכלי עיבוד שפה בערבית הולכים ונבנים סביב ניבים מקומיים ספציפיים, ולא סביב "ערבית" אחת כללית.
בינתיים, Falcon-ASR שווה מעקב. השאלות הפתוחות הן אם ומתי TII תפרסם את המשקולות, ואיך המודל יתפקד כשגורמים חיצוניים יבדקו אותו.