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.