Datasetpublic

hossam87/el-mal-el-halal-podcast-subtitles

El Mal El Halal Podcast Subtitles Dataset Summary El Mal El Halal Podcast Subtitles is a collection of manual subtitles for 18 episodes of the El Mal El Halal podcast by Eng. Mohamed Aboulnaga, covering Arabic content. This dataset is designed for research on speech processing, translation, semantic search, and Arabic NLP. Total episodes: 18 - untill the date of 03/08/2025 Total segments: 13 970 Total words: 166 505 Total duration: 20 h 50 m 56 s (75 057 s)… See the full description on the dataset page: https://huggingface.co/datasets/hossam87/el-mal-el-halal-podcast-subtitles.

sourceHugging Facemitupdated 1y agoView on Hugging Face

0likes9downloads

Dataset Card

El Mal El Halal Podcast Subtitles

Dataset Summary

El Mal El Halal Podcast Subtitles is a collection of manual subtitles for 18 episodes of the El Mal El Halal podcast by Eng. Mohamed Aboulnaga, covering Arabic content. This dataset is designed for research on speech processing, translation, semantic search, and Arabic NLP.

—Total episodes: 18 - untill the date of 03/08/2025
—Total segments: 13 970
—Total words: 166 505
—Total duration: 20 h 50 m 56 s (75 057 s)
—Average speaking rate: 133.1 words/min Generation & curation: Most episodes were generated using openai/whisper-large-v3-turbo, curated/enhanced with ALLaM-AI/ALLaM-7B-Instruct-preview, and some subtitles were extracted from YouTube’s auto-generated English captions and translated into Arabic
—Post-processing: Subtitles were further refined to improve transcript accuracy and confidence for end-users

Languages & Encoding

—Primary language: Arabic (ar)
—Secondary language: Rarely English (en-US) in some segments
—Encoding: UTF-8

Dataset Structure

Each record (row) in the dataset represents one subtitle segment and contains the following fields:

Field	Type	Description
`episode`	string	Full episode title
`youtube_url`	string	Link to the YouTube video
`start`	float	Segment start time in seconds
`end`	float	Segment end time in seconds
`text`	string	Subtitle text

File Layout

README.md                      # this documentation
data/                           # optional folder for charts and tables
└── segments_per_episode.png    # bar chart of segments count

Quick Start

Install dependencies:

bash

pip install datasets sentence-transformers faiss-cpu

Load the dataset:

python

from datasets import load_dataset

ds = load_dataset("your-username/el-mal-el-halal-subtitles")
print(ds["train"][0])

Example retrieve (semantic search):

python

from sentence_transformers import SentenceTransformer
import faiss

# load subtitles
hf_ds = load_dataset("your-username/el-mal-el-halal-subtitles")["train"]

# encode segments
model = SentenceTransformer("paraphrase-multilingual-MiniLM-L12-v2")
embs = model.encode(hf_ds["text"], convert_to_numpy=True)
faiss.normalize_L2(embs)
index = faiss.IndexFlatIP(embs.shape[1])
index.add(embs)

# retrieve
def retrieve(query, top_k=5):
    q_emb = model.encode([query], convert_to_numpy=True)
    faiss.normalize_L2(q_emb)
    scores, idxs = index.search(q_emb, top_k)
    return [hf_ds[int(i)] for i in idxs[0]]

print(retrieve("كيف ننجح كمؤسسين"))

Word Count per Episode

Below is the total word count for each episode (ID → Title → Words):

—E1 — El Mal El Halal Podcast | المال الحلال | الدكتور محمد محرم | الحلقة الثالثة : 7 638 words
—E2 — El Mal El Halal Podcast | المال الحلال | الشيخ د. عبد العزيز بن عبد الرحمن آل ثان | الحلقة العاشرة : 11 221 words
—E3 — El Mal El Halal Podcast | المال الحلال | حاتم دويدار | الحلقة الخامسة : 9 596 words
—E4 — El Mal El Halal Podcast | المال الحلال | خبير البراندينج سعيد باعقيل | الحلقة الثانية : 9 062 words
—E5 — El Mal El Halal Podcast | المال الحلال | داليا إبراهيم | الحلقة السابعة : 11 624 words
—E6 — El Mal ElHalal Podcast | المال الحلال | ريهام فتحي اللو | الحلقة التاسعة : 10 844 words
—E7 — El Mal ElHalal Podcast | المال الحلال | محمد الشيخ | الحلقة الرابعة : 9 709 words
—E8 — El Mal ElHalal Podcast | المال الحلال | مصطفى البلتاجي | الحلقة السادسة : 12 263 words
—E9 — El Mal ElHalal Podcast | المال الحلال | معتز أبو عنق | الحلقة الثامنة 3 : 5 900 words
—E10 — El Mal El Halal Podcast ｜ نيازي سلام في الموسم الثاني من المال الحلال.ar-en : 9 667 words
—E11 — المال الحلال - محمد أبو النجا نجاتى يجاوب على أسئلة الضيوف في حلقة خاصة.ar : 1 635 words
—E12 — المال الحلال مع أستاذ علوم الإدارة والفكر الاستراتيجي - دكتور أحمد خليل خير الله ｜ El Mal El Halal.ar-en-US : 13 477 words
—E13 — المال الحلال مع الرئيس التنفيذي لمجموعة روبستا - المهندس حسين محيي الدين ｜ El Mal El Halal Podcast.ar-en-US : 5 757 words
—E14 — المال الحلال مع المصمم و الكاتب - عمرو حلمي ｜ El Mal El Halal Podcast.ar-en-US : 8 694 words
—E15 — المال الحلال مع عدنان خوراكيوالا ｜ El Mal ElHalal Podcast.ar : 11 967 words
—E16 — المال الحلال مع كابتن - علي مظهر ｜ El Mal ElHalal Podcast.ar-en-US : 11 318 words
—E17 — المال الحلال مع مؤسس جريدة المال - حازم شريف ｜ El Mal ElHalal Podcast.ar-en-US : 8 478 words
—E18 — المال الحلال مع محمد أبو النجا نجاتي - ولقاء مع الدكتور شيرين حلمي ｜ El Mal El Halal Podcast.ar-en : 7 655 words

Visualizations

—Segments per Episode (data/segments_per_episode.png) Bar chart showing the number of subtitle segments in each episode.

License

MIT

Citation

If you use this dataset, please cite:

@misc{elmalelhalal2025,
  title={El Mal El Halal Podcast Subtitles},
  author={Hossam El-Kharbotly},
  year={2025},
  howpublished={\url{https://huggingface.co/datasets/hossam87/el-mal-el-halal-podcast-subtitles}}
}