# SunflowerASR erzielt neue Bestwerte bei afrikanischer Spracherkennung

> Ein mit Group Relative Policy Optimisation trainiertes Modell übertrifft bisherige Ergebnisse bei zwei Benchmarks für afrikanische Sprachen.

Oossa · 2026-10-23 · https://oossa.com/de/sunflowerasr-sets-new-error-rate-record-for-african-language-speech-recognition

Forschende haben SunflowerASR vorgestellt, ein Speech-Recognition-Modell mit Encoder-Decoder-Architektur, das mithilfe von Group Relative Policy Optimisation (GRPO) Fehler reduziert. Es baut auf Whisper-large-v3 auf und wurde mit 51 afrikanischen Sprachen getestet. Beim Benchmark AfriVox‑v2 erzielt es mit 0.227 die niedrigste veröffentlichte makro-gemittelte Wortfehlerrate (WER), bei SimbaBench liegt sie bei 0.372. Besonders groß sind die Verbesserungen bei begrenzten Trainingsdaten oder verrauschten Audioaufnahmen.

## Die Fakten

- Das Paper wurde am 2026-10-23 auf arXiv veröffentlicht
- WER von SunflowerASR: 0.227 bei AfriVox‑v2, 0.372 bei SimbaBench

## Warum es wichtig ist

Die Verbesserungen helfen Entwicklerinnen und Entwicklern, zuverlässigere Sprachtools für Sprecherinnen und Sprecher afrikanischer Sprachen mit wenigen verfügbaren Ressourcen zu entwickeln.

## Quellen und Referenzen

1. [Group Relative Policy Optimisation Improves Multilingual Speech Recognition in Low-Resource Languages](https://arxiv.org/abs/2610.30663) – arXiv, 2026-10-23

Zuletzt aktualisiert: 2026-10-23