/ Модель

Характеристики

Контекст
262 144 токена
Параметры
3,7 млрд
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-4B-Instruct-2507
Библиотека
transformers
Опубликована
19 сен 2026

voho-saudi-chat-4b

Генерация текстаТекст → текст3 профессии

Дообученная Voho на базе Qwen3 модель для кратких диалоговых ответов на надждийском саудовском арабском, в том числе в голосовых агентах.

620скачиваний за 30 дней1лайквеса обновлены19 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Voho Saudi Chat 4B — разговорный арабский ассистент от Voho, дообученный на базе Qwen/Qwen3-4B-Instruct-2507 для ответов преимущественно на центральносаудовском, в частности надждийском диалекте. Модель предназначена для голосовых агентов как текстовый компонент между распознаванием речи и синтезом речи: она поддерживает диалог и старается отвечать коротко, в длине, подходящей для телефонного разговора. Архитектура — плотная Qwen3ForCausalLM на 3,7 млрд параметров; нативный контекст — 262 144 токена. Модель принимает текст и генерирует текст на арабском языке.

В тесте на 400 отложенных вопросах независимый классификатор отнёс 89,8% ответов к заливу, а средняя длина ответа составила 6,4 слова. Эти результаты указывают на устойчивую диалектную манеру и краткость, но оценка классификатора не подтверждает точную привязку к Эр-Рияду. Модель не предназначена для надёжного предоставления фактов: для ответов на вопросы о знаниях рекомендуется подключать поиск по источникам. Она ориентирована преимущественно на надждийский диалект; ответы на хиджазском и других вариантах خليجي могут смещаться к надждийскому или литературному арабскому. Пишет без диакритических знаков. Лицензия Apache 2.0 разрешает коммерческое использование.

Сценарии применения

  • короткие ответы на саудовском арабском в телефонном голосовом агенте
  • диалоговый ответ после распознавания арабской речи
  • адаптация ответов чат-бота к надждийскому разговорному регистру
  • создание коротких реплик для последующего синтеза речи
  • обслуживание клиентов на саудовском арабском в корпоративных сценариях

Ограничения

Модель преимущественно ориентирована на центральносаудовский надждийский вариант; ответы на хиджазском и других вариантах залива могут смещаться к надждийскому или литературному арабскому. Это небольшая модель для речевого регистра, а не для фактических знаний; для фактологических ответов рекомендуется поиск по источникам.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Voho Saudi Chat 4B

An Arabic assistant that answers in spoken Saudi, not in newsreader Arabic, from Voho.

Ask the base model a question in Saudi and the reply comes back as Gulf Arabic only 62% of the time, with Levantine and Egyptian leaking into the rest — and at 30 words, roughly three times what a person actually says in one turn on the phone. This model replies the way a person does: consistently Najdi, at phone-call length. It is built to sit between speech-to-text and text-to-speech in a voice agent.

Apache 2.0, including the training data. It can be used commercially.

Results

400 held-out questions. Every reply was passed through an independent Arabic dialect classifier (MARBERTv2, not involved in training); the table is the share of replies it assigned to each dialect. Higher Gulf and lower MSA is the goal.

Classified asHeld-out reference repliesQwen3-4B-Instruct-2507Voho Saudi Chat 4B
Gulf (Saudi)94.5%62.3%89.8%
Modern Standard Arabic0.2%1.5%0.8%
Egyptian0.2%8.2%0.0%
Levantine4.0%19.8%7.8%
Maghrebi1.0%8.2%1.8%
ReferenceBaseVoho Saudi Chat 4B
chrF++ vs. held-out replies—13.012.0
Mean reply length (words)10.730.26.4

The reference column is the ceiling: it is what the held-out target replies themselves score, so it shows how the classifier reads text it accepts as Saudi rather than implying a perfect model would hit 100%.

chrF++ is flat against the base. The model says the right kind of thing in the right register, not the same words as the reference — which is what a dialect classifier can measure and a string-overlap metric cannot. Replies also run shorter than the reference; on a phone line that is the side to err on.

Examples

AskedVoho Saudi Chat 4B
هلا والله يا أبو ناصر، تدري أنا أبي أسجل حقوق الملكية؟هلا بك، أبشر. عندك ورقة من المكتب؟
وش رايك في ذا التلفزيون؟ ودنا نشتري واحد عشان نتابع النهائي.والله فكرة، بس أنا ما أحب أشتري شي جديد.
الطالب: يبه، ودي اروح محل الحيوانات اللي في التحلية ونشتري قطه.الله يعينك، بس وين تبي تروح؟
وش رايك في التصميم الجديد للمسجد؟حلو، بس أخاف يزعل الناس.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

repo = "VohoAI/voho-saudi-chat-4b"
tok = AutoTokenizer.from_pretrained(repo)
model = AutoModelForCausalLM.from_pretrained(repo, torch_dtype="auto", device_map="auto")

SYSTEM = "أنت مساعد صوتي سعودي. رد باللهجة النجدية كما يتكلم الناس في الرياض، بجمل قصيرة مثل المكالمة الهاتفية، بدون رموز ولا تنسيق ولا شرح زائد."

messages = [{"role": "system", "content": SYSTEM},
            {"role": "user", "content": "أبي أحجز موعد بكرة الصبح، فيه وقت فاضي؟"}]
ids = tok.apply_chat_template(messages, add_generation_prompt=True, return_tensors="pt").to(model.device)
out = model.generate(ids, max_new_tokens=128, do_sample=False)
print(tok.decode(out[0, ids.shape[1]:], skip_special_tokens=True))

Keep the system prompt. It is in every training example, and the dialect is noticeably weaker without it.

Also available as GGUF: ollama run hf.co/VohoAI/voho-saudi-chat-4b-GGUF:Q4_K_M

Training

  • Base model: Qwen/Qwen3-4B-Instruct-2507 (Apache 2.0), LoRA r=32 on all attention and MLP projections, 2 epochs, one NVIDIA L4
  • Loss on assistant turns only, so each multi-turn dialogue teaches every reply in it
  • Test set: held-out dialogues, never seen in training

Training data

7,601 Voho service-call dialogues across eight enterprise verticals — oil and gas, utilities, telecom, banking, government, healthcare, logistics, facilities 5,551 Voho everyday conversations — family, friends, food, driving, work, home, health, occasions, travel 202 from 2A2I/Arabic_Aya (Gulf- and Najdi-tagged rows, Apache 2.0) 1,181 from arbml/CIDAR (Arabic instruction pairs, Apache 2.0)

Every dialogue had to clear two independent checks to be included: a Najdi lexicon filter (Saudi function words present, their Modern Standard Arabic equivalents absent) and the MARBERTv2 dialect classifier, which took no part in training. Anything carrying markdown, tables or a reply longer than a spoken turn was dropped.

Training code: ml/saudi-chat in the Voho repo.

Licence and intended use

Apache 2.0. The base model and every dataset in the mix are Apache 2.0, so this model is too — commercial use included. The dialogue data is Voho's own, published alongside at VohoAI/voho-saudi-dialogues.

For production Saudi Arabic voice, use the Voho API.

Limitations

  • Najdi, mostly. The dialogue data is central-Saudi. Hijazi and Khaleeji replies will drift toward Najdi or MSA.
  • The classifier's Gulf class covers Saudi, the UAE and Kuwait. A high Gulf score means "reads as Gulf", not "reads as Riyadh".
  • Not a knowledge model. It is a 4B tuned for register and voice. For facts, ground it with retrieval.
  • Writes without diacritics.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
6a0ac78

0 моделей