--- language: ar license: apache-2.0 library_name: transformers pipeline_tag: automatic-speech-recognition base_model: Qwen/Qwen3-ASR-0.6B-hf datasets: - oddadmix/lahgtna-v3-small tags: - automatic-speech-recognition - arabic - dialectal-arabic - qwen3-asr metrics: - wer - cer --- # qwen3-asr-0.6b-arabic-dialectal-v2 **v2** — [`Qwen/Qwen3-ASR-0.6B-hf`](https://huggingface.co/Qwen/Qwen3-ASR-0.6B-hf) (0.6B) fine-tuned for multi-dialect Arabic on the **dialect-balanced** dataset [`oddadmix/lahgtna-v3-small`](https://huggingface.co/datasets/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/qwen3-asr-0.6b-arabic-dialectal`](https://huggingface.co/oddadmix/qwen3-asr-0.6b-arabic-dialectal). ## Results (balanced test split ~2,600 clips, `clean_text` WER/CER) | | WER | CER | |---|---|---| | **This model (v2)** | **0.5514** | 0.2148 | ## 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`) | 0.322 | 0.097 | 200 | | Egyptian (`eg`) | 0.377 | 0.136 | 200 | | Iraqi (`iq`) | 0.378 | 0.111 | 200 | | Palestinian (`ps`) | 0.492 | 0.184 | 200 | | Bahraini (`bh`) | 0.521 | 0.207 | 200 | | Lebanese (`lb`) | 0.541 | 0.216 | 200 | | Syrian (`sy`) | 0.550 | 0.229 | 200 | | Yemeni (`ye`) | 0.583 | 0.247 | 200 | | Sudanese (`sd`) | 0.611 | 0.266 | 200 | | Moroccan (`ma`) | 0.619 | 0.222 | 200 | | Algerian (`dz`) | 0.624 | 0.234 | 200 | | Libyan (`ly`) | 0.630 | 0.251 | 200 | | Tunisian (`tn`) | 0.948 | 0.414 | 200 | | **Overall** | **0.551** | **0.215** | 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 [`Qwen/Qwen3-ASR-0.6B-hf`](https://huggingface.co/Qwen/Qwen3-ASR-0.6B-hf) 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 في هنا كدا جنب الدور مع أحمد خطبه وزمنها جاي. | لا في كافي هنا كده جنب الدور، مع احمد خطبه وزمانها جاي. | | Lebanese (`lb`) |

| يعني إنت كان في عندك نظام فاقد الشرعية الدولية، دول ما كانت تعترف فيه. إقامة و دول | يعني أنتي كان في عندك نظام فاقض الشرعية الدولية دول ما كنت تعرف فيه ااا إقامة ودول | يعني إنت كان في عندك نظام ثاقب الشرعية الدولية الدول ما كانت تعتبر فيه. إيه إقامة ودول | | Palestinian (`ps`) |

| اشتروا كونتينر او نگدر نگول كرفان حديد، واخذوه بمنطقة بعيدة جدا ودفنوه تحت الأرض. وبعد ما انتهوا من فعلا، | اشترا وكونتiner أو نقدر نقول كرافان حديد وأخذها بمنطقة بعيدة جدا ودفنوها تحت الأرض وبعد منتهى من فعلات | اشتراو كونتينر أو نقدر نقول كرافان حديد وأخذوه بمنطقة بعيدة جدا ودفنوه تحت الأرض، وبعد ما انتهى من فعله. | | Saudi/Gulf (`sa`) |

| ومن نسمع إشارتك، ترانا نازلين مستميتين، ما عندنا شي نخسره. | ومن نسمع إشارتك ترى نازلين من ست ميتين ما عندنا شيء خسره | ومن نسمع إشارتك، ترى أنا نازلين من مستميتين، ما عندنا شيء نخسره. | | Bahraini (`bh`) |

| هلبة والله يا بشرى ما ما يحضرنيش حاجة. في بلاد أو برا من البلاد؟ | هل بول الله يبشره ما يحضرني شحاج؟ شبلات أو برم البلاط | شنو؟ هالبوا والله بشرى ما يحضرنيش حاجة. شن بلات أو برا من البلاد؟ | | Tunisian (`tn`) |

| ال الإحتجاجية ما همش م مستأنسين بالأماكن المقابلة اللي هي صالونات الحكم. | الاحتجاجية مهما مش مستنسين بالامكان المقابل اللي هي صلوات الحكم | ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال ال | | Algerian (`dz`) |

| دو عامين. بصح وكان يبياعني أنا ندي عشر سنين ونشوفو هو يخرج أليز في بلاليبرتي. | دوامين، صح وكان يبي يعني أنا الديعشة نحن نشوفه يخرج علاز في بلاد بختي | دو عامين. صح؟ وكان يبيعني، أنا ندي عشر سنين ونشوفوا هو يخرج آلاز في بلا لي بقتي. | | 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. | و طرت وقعد كشي اللي فيها من الجن وس كنت فيها والحين دولة من بعد زوج بفرح وسمة زوج بكسر | وطرطوط، وقعد يكشي اللي فيها من الجين. وسكنت فيها، والحمد لله من بعد تزوج بفارح وسأمس تزوج بكوثر. | | Sudanese (`sd`) |

| آاا همارات بينزلها في الفيس، أو بعد ال هنا أقوم أحضر الخطبة بتاعة طارق الهادي. يعني | هما راديو نزيله في الفيس أو بعد ال هنا يقوم أحضر الخدبة بتاعة طارق الهادي يعني | آآه، هم رادوا ينزلوا في الفاس، أو بعد ال، هنا يقوم أحضر الخدمة بتاعت طارق الهادي. يعني | Full fine-tuning code, dependencies, and lessons are in the [v1 repo]( https://huggingface.co/oddadmix/qwen3-asr-0.6b-arabic-dialectal) (`train.py`, `normalize.py`, `FINETUNE.md`). This v2 uses the same recipe on the balanced dataset.