whisper-medium-arabic-dialectal-v2

v2 — openai/whisper-medium (769M) fine-tuned for multi-dialect Arabic on the dialect-balanced dataset oddadmix/lahgtna-v3-small (52k train / 2.6k test, seed 42, undiacritized output).

Private / internal. 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-medium-arabic-dialectal.

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

	WER	CER
This model (v2)	0.3415	0.128

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)	0.186	0.052	200
Egyptian (eg)	0.261	0.130	200
Iraqi (iq)	0.272	0.073	200
Syrian (sy)	0.302	0.107	200
Yemeni (ye)	0.328	0.123	200
Bahraini (bh)	0.337	0.125	200
Palestinian (ps)	0.338	0.140	200
Lebanese (lb)	0.343	0.126	200
Moroccan (ma)	0.361	0.105	200
Libyan (ly)	0.375	0.146	200
Sudanese (sd)	0.396	0.158	200
Algerian (dz)	0.428	0.172	200
Tunisian (tn)	0.534	0.225	200
Overall	0.342	0.128	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-v3	1.7B	0.478	0.182
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-medium 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.	لا فك فيه هنا كده جنب الدار مع أحمد خطبها وزمنها جاي	لافكة فيه هنا كده جنب الدار، مع احمد خطبها وزمانها جاي
Lebanese (lb)		ما كون مأمنة حالي. ما أقدر اتحكم. امم. في عندي خوف، إيه.	ما كون مقامني حالي ما أقدر أتحكم فيه 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	ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ايه ا	يعني إنتي كان في عندك نظام فاقد الشرعية الدولية الدول ما كنت تعرف فيه إقامة ودول
Palestinian (ps)		إ- إزميل أنس واستشهد والده.	ومع ذلك ستكون مجموعة من الأشخاص الذين يتعرفون عن هذا.	س- س- زميل أنس، واستشهد والده.
Iraqi (iq)		اشتروا كونتينر او نگدر نگول كرفان حديد، واخذوه بمنطقة بعيدة جدا ودفنوه تحت الأرض. وبعد ما انتهوا من فعلا،	و اختروا منطقة بعيدة جدا و دفنوها تحت الأرض	إيش تروا كونتينار أو نگدر نگول كرفان حديد وأخذوه بمنطقة بعيدة جدا ودفنوه تحت الأرض، وبعد ما انتهوا من فعلته.
Saudi/Gulf (sa)		ومن نسمع إشارتك، ترانا نازلين مستميتين، ما عندنا شي نخسره.	ومن نسمع إشارتك ترى ننازلين المستميتين ما عندنا شيء خسره	ومن نسمع إشاراتك، ترانا نازلين مستميتين، ما عندنا شيء نخسره.
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 لها.
Yemeni (ye)		وهذا كان ال ال ال ال يعني تستطيع تعتبرها	وهذا كان سيكون تعتبرها	وهذا كان 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 حاجات؟ في البلاد أو برم البلاد؟	شنوة؟ هلبة والله بشرى مايحضرنيش حاجة. في البلاد أو برام البلاد؟
Tunisian (tn)		ال الإحتجاجية ما همش م مستأنسين بالأماكن المقابلة اللي هي صالونات الحكم.	لاحتياجية ما همش متنسين بالأماكن المقابلة وهي صلونات الحكم	ال ااا الاحتجاجية ما همش مستانسين بالأماكن المقابلة، اللي هي صلونات الحكم.
Algerian (dz)		دو عامين. بصح وكان يبياعني أنا ندي عشر سنين ونشوفو هو يخرج أليز في بلاليبرتي.	ونحن نتحدث عن نفسه	دوة عامين. بصح هو كان يبيعني، أنا ندي عشر سنين ونشوفو هو يخرج أليز، بلا لي بختي.
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.	وطارط وقعدك شيء فيها من الجين وشكنت فيها والحمد لله من بعد زوج بفراحة وسامة زوج بكوشر	الدار والضارطة وكاع داكشي اللي فيها من الجن. وسكنت فيها، والحمد لله من بعد تزوجت بفراح، وأسامة تزوجت بكوتر.
Sudanese (sd)		آاا همارات بينزلها في الفيس، أو بعد ال هنا أقوم أحضر الخطبة بتاعة طارق الهادي. يعني	اه هما راديو نزيله في الفيس او بعد الهنا يجوم احضر الخطبة بتاعة طارق الهدي	آآ هو رادي ينزيله في الفيس، أو بعد ال هنا يقوم يحضر الخطبة بتاعت 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.