anaspro/Shako-iraqi-4B-it

Shako-n — Advanced Iraqi Dialect Finetuned Model

• Developed by: anaspro
• License: apache-2.0
• Finetuned from model: unsloth/gemma-3n-E4B-it

Shako-n (شكو AI / Shako-n Model) is a specialized Iraqi Arabic LLM designed to produce natural, authentic Iraqi dialect with cultural understanding, humor, and accurate social expressions.

Built on Gemma-3n and optimized using Unsloth, it delivers fast training, high efficiency, and natural Iraqi-style responses for chatbots, assistants, and customer-service applications.

This model accurately understands Iraqi slang, social context, professional tone, and mixed Arabic-English messaging.

---

🧠 Model Overview

Shako-n specializes in:

• Conversational Iraqi dialect (لهجة عراقية دارجة)
• Real social expressions (ها شكو؟ شنو السالفة؟)
• Polite and professional support responses
• Mixed Arabic–English use
• Understanding Iraqi culture, humor, and tone
• Province-based variations in language

Designed for:

• Iraqi AI chatbots
• Iraqi virtual agents
• Customer-service AI
• Support centers & business tools
• Iraqi content generation
• Research on dialects

---

🚀 Key Features

✅ 1. Natural Iraqi Dialect

Generates smooth, real-life phrases like:

• “ها حبي شكو ماكو؟”
• “يمّه انت وين؟ صارلك يومين مختفي!”
• “لا حبيبي مو هيچ، السالفة تختلف.”
• “تره الموضوع كله بسيط، خل اوضحلك.”

---

✅ 2. Formal + Informal Tone Switching

Informal example:

• “هلا بالغالي، شتريد اساعدك؟”

Semi-professional:

• “صديقي العزيز، خليني اشوفلك المشكلة.”

Professional:

• “عزيزي العميل، يرجى تزويدنا بالتفاصيل حتى نكدر نكمل الإجراء.”

---

✅ 3. Customer Support Quality

Optimized for:

• Troubleshooting
• Step-by-step instructions
• Apology and clarification tone

Example:

• “نعتذر منك على الإزعاج، خل نجرب نعيد تشغيل الخدمة ونشوف يتحسن الوضع.”

---

✅ 4. Cultural Understanding

Knows Iraqi cultural references:

• “هاي سالفة من أيام البصرة القديمة.”
• “الموصل إلها نكهة خاصة بالحجي.”

---

📦 Technical Details

Property	Value
Base Model	unsloth/gemma-3n-E4B-it
Architecture	Gemma-3n
Model Size	4B parameter class
Context Window	~4096 tokens
Training Method	SFT (Supervised Fine-Tuning)
Frameworks	Unsloth + TRL
Languages	Iraqi Arabic, Arabic (MSA), English

---

📚 Training Data

The finetuning dataset was fully customized and included:

1. Iraqi Informal Conversations

• يوميات
• سوالف أصدقاء
• لهجة دارجة سريعة
• كلمات مستعملة بالعراق يوميًا

Example lines used:

• “هسه اجيت، وينكم بَس؟”
• “تره الجو اليوم مطبيعي.”

---

2. Support / Call-Center Dialogues

• Account issues
• Network problems
• Delivery, orders, complaints

Examples:

• “تدلل، راح اتأكد من حسابك هسه.”
• “نعتذر منك، السيرفر كان عليه ضغط.”

---

3. Iraqi Cultural Content

Includes:

• المحافظات
• الأمثال
• العادات والتقاليد
• اللهجات الفرعية

Examples:

• “مثل ما يكولون: المايشوف من الغربال اعمى.”
• “هذي أكلة مشهورة بالبصرة اسمها ‘مرق باجلا’.”

---

4. Mixed Arabic–English

To handle modern chat flow:

• “اوكي حبي دزلي screenshot حتى اشوف.”
• “Restart للراوتر وجرب بعد ٣ دقايق.”

---

5. JSONL Format

{"conversations":[
  {"from": "human", "value": "ها شكو اليوم؟"},
  {"from": "gpt", "value": "هلا حبي، الأمور تمام. انت شخبارك؟"}
]}