# SunflowerASR verlaagt foutpercentage bij spraakherkenning van Afrikaanse talen

> Een model dat is getraind met Group Relative Policy Optimisation verslaat eerdere resultaten op twee benchmarks voor Afrikaanse spraakherkenning.

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

Onderzoekers hebben SunflowerASR uitgebracht, een spraakherkenner met een encoder-decoderarchitectuur die Group Relative Policy Optimisation (GRPO) gebruikt om het aantal fouten te verlagen. Het model bouwt voort op Whisper-large-v3 en is getest op 51 Afrikaanse talen. Het behaalt het laagste gepubliceerde macro-gemiddelde woordfoutpercentage (WER) op de benchmark AfriVox-v2 (0.227) en op SimbaBench (0.372). De grootste winst is te zien wanneer er weinig trainingsdata beschikbaar zijn of de audio rumoerig is.

## De feiten

- Artikel gepubliceerd op arXiv op 2026-10-23
- WER van SunflowerASR: 0.227 op AfriVox-v2 en 0.372 op SimbaBench

## Waarom het ertoe doet

Dankzij deze verbetering kunnen ontwikkelaars betrouwbaardere spraaktools maken voor sprekers van Afrikaanse talen waarvoor weinig middelen beschikbaar zijn.

## Bronnen en referenties

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

Laatst bijgewerkt: 2026-10-23