# SunflowerASR stabilisce un nuovo record nel riconoscimento vocale delle lingue africane

> Addestrato con Group Relative Policy Optimisation, il modello supera i risultati precedenti in due benchmark per il riconoscimento vocale africano.

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

I ricercatori hanno presentato SunflowerASR, un sistema di riconoscimento vocale encoder-decoder che usa Group Relative Policy Optimisation (GRPO) per ridurre gli errori. Il modello si basa su Whisper-large-v3 ed è stato testato su 51 lingue africane. Ha ottenuto il più basso tasso di errore sulle parole (WER) medio per macro pubblicato finora nel benchmark AfriVox-v2 (0.227) e in SimbaBench (0.372). I miglioramenti sono più marcati quando i dati di addestramento sono limitati o l’audio è disturbato.

## I fatti

- Articolo pubblicato su arXiv il 2026-10-23
- WER di SunflowerASR: 0.227 su AfriVox-v2, 0.372 su SimbaBench

## Perché conta

Il miglioramento aiuta gli sviluppatori a creare strumenti vocali più affidabili per chi parla lingue africane con poche risorse disponibili.

## Fonti e riferimenti

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

Ultimo aggiornamento: 2026-10-23