# SunflowerASR sätter nytt rekord i taligenkänning för afrikanska språk

> En modell tränad med Group Relative Policy Optimisation slår tidigare resultat på två taligenkänningstest för afrikanska språk.

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

Forskare har presenterat SunflowerASR, en taligenkänningsmodell med encoder–decoder-arkitektur som använder Group Relative Policy Optimisation (GRPO) för att minska antalet fel. Modellen bygger på Whisper‑large‑v3 och testades på 51 afrikanska språk. Den uppnår den lägsta publicerade makrogenomsnittliga ord-felfrekvensen (WER) på riktmärket AfriVox‑v2 (0.227) och på SimbaBench (0.372). Förbättringarna är störst när träningsdata är begränsade eller ljudet är brusigt.

## Fakta

- Artikeln publicerades på arXiv den 2026-10-23
- SunflowerASR:s WER: 0.227 på AfriVox‑v2 och 0.372 på SimbaBench

## Varför det spelar roll

Förbättringen hjälper utvecklare att skapa mer tillförlitliga röstverktyg för personer som talar afrikanska språk med begränsade resurser.

## Källor och referenser

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

Senast uppdaterad: 2026-10-23