Modelpublic

oddadmix/whisper-large-v3-arabic-dialectal-v2

sourceHugging Faceapache-2.0updated 2mo agoView on Hugging Face

0likes1.4kdownloads

Model Card

whisper-large-v3-arabic-dialectal-v2

v2 — `openai/whisper-large-v3` (1.54B) fine-tuned for multi-dialect Arabic on the dialect-balanced dataset `oddadmix/lahgtna-v3-small` (52k train / 2.6k test, seed 42, undiacritized output).

Open weights. This is v2, trained on the balanced, leakage-reduced data. v1 (trained on the earlier augmentation-expanded set, with the full cross-model comparison + bundled fine-tuning scripts) is at `oddadmix/whisper-large-v3-arabic-dialectal`.

Results (balanced test split ~2,600 clips, `clean_text` WER/CER)

	WER	CER
This model (v2)	0.3199	0.1203

Per-dialect accuracy (v3 balanced test, `clean_text`)

WER / CER on each dialect's 200 held-out clips, easiest to hardest. Gulf/Levantine transcribe best; Maghrebi (Tunisian/Algerian/Moroccan) is hardest — consistent across every model.

Dialect	WER	CER	n
Saudi/Gulf (`sa`)	0.169	0.048	200
Iraqi (`iq`)	0.254	0.068	200
Egyptian (`eg`)	0.271	0.134	200
Syrian (`sy`)	0.272	0.096	200
Palestinian (`ps`)	0.301	0.137	200
Yemeni (`ye`)	0.304	0.112	200
Lebanese (`lb`)	0.317	0.113	200
Moroccan (`ma`)	0.340	0.099	200
Libyan (`ly`)	0.343	0.132	200
Bahraini (`bh`)	0.348	0.136	200
Algerian (`dz`)	0.386	0.156	200
Sudanese (`sd`)	0.399	0.160	200
Tunisian (`tn`)	0.478	0.193	200
Overall	0.320	0.120	2600

v2 comparison — all models on the balanced dataset

Same dialect-balanced test split (~2,600 clips, oddadmix/lahgtna-v3-small), same clean_text scoring, seed 42.

Model	Params	WER	CER
whisper-large-v3-v2	1.54B	0.320	0.120
whisper-large-v3-turbo-v2	809M	0.332	0.125
whisper-medium-v2	769M	0.342	0.128
whisper-small-v2	244M	0.403	0.153
nemotron-3.5-asr-v2 (streaming)	638M	0.423	0.148
qwen3-asr-1.7b-v2	1.7B	0.478	0.182
cohere-transcribe-arabic-07-2026-dialectal-v2	2.07B	0.514	0.294
qwen3-asr-0.6b-v2	0.6B	0.551	0.215

whisper-large-v3-turbo-v2 is the best; Whisper fine-tunes furthest. nemotron is the streaming option. (v1 models were trained on the earlier augmentation-expanded set.)

Examples — base vs. fine-tuned (one clip per dialect)

13 held-out test clips, one per dialect. Base is `openai/whisper-large-v3` untouched; fine-tuned (v2) is this model. Text is clean_text-normalized (undiacritized), matching the WER scoring. Press play to listen.

Dialect	Audio	Reference	Base	Fine-tuned
Egyptian (`eg`)	<audio controls preload="none" src="https://huggingface.co/oddadmix/whisper-large-v3-arabic-dialectal-v2/resolve/main/samples/1.wav"></audio>	<span dir="rtl">لا، في كافيه هنا كده جنب الدار، مع أحمد خطيبها، وزمانها جاي.</span>	<span dir="rtl">لافك فيه هنا كده جنب الدور مع أحمد خطبها وزمنها دي</span>	<span dir="rtl">لافكة فيه هنا كده جنب الدار، مع أحمد خطيبها وزمنها جاي.</span>
Lebanese (`lb`)	<audio controls preload="none" src="https://huggingface.co/oddadmix/whisper-large-v3-arabic-dialectal-v2/resolve/main/samples/2.wav"></audio>	<span dir="rtl">ما كون مأمنة حالي. ما أقدر اتحكم. امم. في عندي خوف، إيه.</span>	<span dir="rtl">ما أكون مأمنة حالي ما أقدر أتحكم في عندي خوف</span>	<span dir="rtl">ما أكون مأمنة حالي، ما أقدر أتحكم. إم. في عندي خوف، إيه.</span>
Syrian (`sy`)	<audio controls preload="none" src="https://huggingface.co/oddadmix/whisper-large-v3-arabic-dialectal-v2/resolve/main/samples/3.wav"></audio>	<span dir="rtl">يعني إنت كان في عندك نظام فاقد الشرعية الدولية، دول ما كانت تعترف فيه. إقامة و دول</span>	<span dir="rtl">يعني انت كان في عندك نظام فاقد الشرعية الدولية الدول ما كانت تعترف فيه اقامة ودول</span>	<span dir="rtl">يعني إنت كان في عندك نظام فاقد الشرعية الدولية الدول ما كان تعترف فيه. إيه إقامة ودول</span>
Palestinian (`ps`)	<audio controls preload="none" src="https://huggingface.co/oddadmix/whisper-large-v3-arabic-dialectal-v2/resolve/main/samples/4.wav"></audio>	<span dir="rtl">إ- إزميل أنس واستشهد والده.</span>	<span dir="rtl">سميل أنس وستشهد والدو</span>	<span dir="rtl">س- سميل أنس، واستشهد والده.</span>
Iraqi (`iq`)	<audio controls preload="none" src="https://huggingface.co/oddadmix/whisper-large-v3-arabic-dialectal-v2/resolve/main/samples/5.wav"></audio>	<span dir="rtl">اشتروا كونتينر او نگدر نگول كرفان حديد، واخذوه بمنطقة بعيدة جدا ودفنوه تحت الأرض. وبعد ما انتهوا من فعلا،</span>	<span dir="rtl">اشتروا كونتينر او نقدر نقول كارافان حديد واخذوه بمنطقة بعيدة جدا ودفنوه تحت الارض وبعد ما انتهوا من فعلته</span>	<span dir="rtl">شتروا كونتينر أو نگدر نگول كرفان حديد وأخذوه بمنطقة بعيدة جدا ودفنوه تحت الأرض، وبعد ما انتهوا من فعلتهم.</span>
Saudi/Gulf (`sa`)	<audio controls preload="none" src="https://huggingface.co/oddadmix/whisper-large-v3-arabic-dialectal-v2/resolve/main/samples/6.wav"></audio>	<span dir="rtl">ومن نسمع إشارتك، ترانا نازلين مستميتين، ما عندنا شي نخسره.</span>	<span dir="rtl">ومن نسمع إشارتك ترى ننازلين مستميتين ما عندنا شيء خسره</span>	<span dir="rtl">ومن نسمع إشارتك، ترانا نازلين مستميتين، ما عندنا شي خسره.</span>
Bahraini (`bh`)	<audio controls preload="none" src="https://huggingface.co/oddadmix/whisper-large-v3-arabic-dialectal-v2/resolve/main/samples/7.wav"></audio>	<span dir="rtl">ولد وكل بنت، لأنه إذا يبون رب العالمين يسر لهم؟</span>	<span dir="rtl">ولد وكل بنت لأنه إذا يبون رب العالمين يسر لها</span>	<span dir="rtl">ولد و كل بنت، لأنه إذا يبون رب العالمين ييسر لهم.</span>
Yemeni (`ye`)	<audio controls preload="none" src="https://huggingface.co/oddadmix/whisper-large-v3-arabic-dialectal-v2/resolve/main/samples/8.wav"></audio>	<span dir="rtl">وهذا كان ال ال ال ال يعني تستطيع تعتبرها</span>	<span dir="rtl">وهذا كان يعني استطعت اعتبرها</span>	<span dir="rtl">وهذا كان ال ال ال ال ال يعني تستطيع تعتبرها</span>
Libyan (`ly`)	<audio controls preload="none" src="https://huggingface.co/oddadmix/whisper-large-v3-arabic-dialectal-v2/resolve/main/samples/9.wav"></audio>	<span dir="rtl">هلبة والله يا بشرى ما ما يحضرنيش حاجة. في بلاد أو برا من البلاد؟</span>	<span dir="rtl">هل بوالله بشرة ما يحضرنيش في البلاد أو برم البلاد</span>	<span dir="rtl">شن بتاعي؟ هلبة والله يا بشرى ما ما يحضرنيش حاجة. في البلاد أو برا من البلاد.</span>
Tunisian (`tn`)	<audio controls preload="none" src="https://huggingface.co/oddadmix/whisper-large-v3-arabic-dialectal-v2/resolve/main/samples/10.wav"></audio>	<span dir="rtl">ال الإحتجاجية ما همش م مستأنسين بالأماكن المقابلة اللي هي صالونات الحكم.</span>	<span dir="rtl">الاحتجاجية ما هم مش مستنسين بالأماكن المقابلة هي صلونات الحكم</span>	<span dir="rtl">ال ال الإحتياجية ما همش مستنسين بالأماكن المقابلة اللي هي صلونات الحكم.</span>
Algerian (`dz`)	<audio controls preload="none" src="https://huggingface.co/oddadmix/whisper-large-v3-arabic-dialectal-v2/resolve/main/samples/11.wav"></audio>	<span dir="rtl">دو عامين. بصح وكان يبياعني أنا ندي عشر سنين ونشوفو هو يخرج أليز في بلاليبرتي.</span>	<span dir="rtl">دو عامين صح وكان يبيعني أنا أدي عشر سنين ونشوفه هو يخرج آلاز بلا لي باختي</span>	<span dir="rtl">دو عامين. بصح هو كان يبيعني، أنا ندي عشر سنين ونشوفو هو يخرج à l'aise, في لا ليبرتي.</span>
Moroccan (`ma`)	<audio controls preload="none" src="https://huggingface.co/oddadmix/whisper-large-v3-arabic-dialectal-v2/resolve/main/samples/12.wav"></audio>	<span dir="rtl">ضارت، و طردت، و كاع داك الشي اللي فيها من الجن. وسكنت فيها. و الحمد لله من بعد تزوجت بفرح، و أسامة تزوج بكوثر.</span>	<span dir="rtl">وقاعدة كشيلة فيها من الجين واسكنت فيها والحمد لله من بعد زوجت بفراح وثامت زوجت بكوثر</span>	<span dir="rtl">وطرتو كاع ديكشي اللي فيها من الجن. وسكنت فيها، والحمد لله من بعد تزوجت بفراح، وسامة تزوجت بكوشر.</span>
Sudanese (`sd`)	<audio controls preload="none" src="https://huggingface.co/oddadmix/whisper-large-v3-arabic-dialectal-v2/resolve/main/samples/13.wav"></audio>	<span dir="rtl">آاا همارات بينزلها في الفيس، أو بعد ال هنا أقوم أحضر الخطبة بتاعة طارق الهادي. يعني</span>	<span dir="rtl">هم راتب ينزلوا في الفيس أو بعد هنا أقوم أحضر الخطبة بتاعة طارق الهادي يعني</span>	<span dir="rtl">آآ، هو راجع نزيلة في الفيس، أو بعد ال هنا أقوم أحضر الخطبة بتاعة طارق الهادي. يعني،</span>

Full fine-tuning code, dependencies, and lessons are in the v1 repo (train.py, normalize.py, FINETUNE.md). This v2 uses the same recipe on the balanced dataset.

whisper-large-v3-arabic-dialectal-v2

Results (balanced test split ~2,600 clips, clean_text WER/CER)

Per-dialect accuracy (v3 balanced test, clean_text)

v2 comparison — all models on the balanced dataset

Examples — base vs. fine-tuned (one clip per dialect)

Results (balanced test split ~2,600 clips, `clean_text` WER/CER)

Per-dialect accuracy (v3 balanced test, `clean_text`)