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) | لا، في كافيه هنا كده جنب الدار، مع أحمد خطيبها، وزمانها جاي. | لافك فيه هنا كده جنب الدور مع أحمد خطبها وزمنها دي | لافكة فيه هنا كده جنب الدار، مع أحمد خطيبها وزمنها جاي. | |
Lebanese (lb) | ما كون مأمنة حالي. ما أقدر اتحكم. امم. في عندي خوف، إيه. | ما أكون مأمنة حالي ما أقدر أتحكم في عندي خوف | ما أكون مأمنة حالي، ما أقدر أتحكم. إم. في عندي خوف، إيه. | |
Syrian (sy) | يعني إنت كان في عندك نظام فاقد الشرعية الدولية، دول ما كانت تعترف فيه. إقامة و دول | يعني انت كان في عندك نظام فاقد الشرعية الدولية الدول ما كانت تعترف فيه اقامة ودول | يعني إنت كان في عندك نظام فاقد الشرعية الدولية الدول ما كان تعترف فيه. إيه إقامة ودول | |
Palestinian (ps) | إ- إزميل أنس واستشهد والده. | سميل أنس وستشهد والدو | س- سميل أنس، واستشهد والده. | |
Iraqi (iq) | اشتروا كونتينر او نگدر نگول كرفان حديد، واخذوه بمنطقة بعيدة جدا ودفنوه تحت الأرض. وبعد ما انتهوا من فعلا، | اشتروا كونتينر او نقدر نقول كارافان حديد واخذوه بمنطقة بعيدة جدا ودفنوه تحت الارض وبعد ما انتهوا من فعلته | شتروا كونتينر أو نگدر نگول كرفان حديد وأخذوه بمنطقة بعيدة جدا ودفنوه تحت الأرض، وبعد ما انتهوا من فعلتهم. | |
Saudi/Gulf (sa) | ومن نسمع إشارتك، ترانا نازلين مستميتين، ما عندنا شي نخسره. | ومن نسمع إشارتك ترى ننازلين مستميتين ما عندنا شيء خسره | ومن نسمع إشارتك، ترانا نازلين مستميتين، ما عندنا شي خسره. | |
Bahraini (bh) | ولد وكل بنت، لأنه إذا يبون رب العالمين يسر لهم؟ | ولد وكل بنت لأنه إذا يبون رب العالمين يسر لها | ولد و كل بنت، لأنه إذا يبون رب العالمين ييسر لهم. | |
Yemeni (ye) | وهذا كان ال ال ال ال يعني تستطيع تعتبرها | وهذا كان يعني استطعت اعتبرها | وهذا كان ال ال ال ال ال يعني تستطيع تعتبرها | |
Libyan (ly) | هلبة والله يا بشرى ما ما يحضرنيش حاجة. في بلاد أو برا من البلاد؟ | هل بوالله بشرة ما يحضرنيش في البلاد أو برم البلاد | شن بتاعي؟ هلبة والله يا بشرى ما ما يحضرنيش حاجة. في البلاد أو برا من البلاد. | |
Tunisian (tn) | ال الإحتجاجية ما همش م مستأنسين بالأماكن المقابلة اللي هي صالونات الحكم. | الاحتجاجية ما هم مش مستنسين بالأماكن المقابلة هي صلونات الحكم | ال ال الإحتياجية ما همش مستنسين بالأماكن المقابلة اللي هي صلونات الحكم. | |
Algerian (dz) | دو عامين. بصح وكان يبياعني أنا ندي عشر سنين ونشوفو هو يخرج أليز في بلاليبرتي. | دو عامين صح وكان يبيعني أنا أدي عشر سنين ونشوفه هو يخرج آلاز بلا لي باختي | دو عامين. بصح هو كان يبيعني، أنا ندي عشر سنين ونشوفو هو يخرج à l'aise, في لا ليبرتي. | |
Moroccan (ma) | ضارت، و طردت، و كاع داك الشي اللي فيها من الجن. وسكنت فيها. و الحمد لله من بعد تزوجت بفرح، و أسامة تزوج بكوثر. | وقاعدة كشيلة فيها من الجين واسكنت فيها والحمد لله من بعد زوجت بفراح وثامت زوجت بكوثر | وطرتو كاع ديكشي اللي فيها من الجن. وسكنت فيها، والحمد لله من بعد تزوجت بفراح، وسامة تزوجت بكوشر. | |
Sudanese (sd) | آاا همارات بينزلها في الفيس، أو بعد ال هنا أقوم أحضر الخطبة بتاعة طارق الهادي. يعني | هم راتب ينزلوا في الفيس أو بعد هنا أقوم أحضر الخطبة بتاعة طارق الهادي يعني | آآ، هو راجع نزيلة في الفيس، أو بعد ال هنا أقوم أحضر الخطبة بتاعة طارق الهادي. يعني، |
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.