---
title: "الترجمة من الإنجليزية إلى العربية بالذكاء الاصطناعي | BroadRouter"
description: "ترجم من العربية إلى الإنجليزية وبالعكس عبر API لنموذج LLM: أوامر تحفظ النبرة، ومسارد للمصطلحات الثابتة، والأرقام والأسماء، وكيف تقيّم جودة الترجمة."
url: https://broadrouter.com/ar/blog/arabic-english-translation-llm/
lang: ar
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

تُرجمت هذه الصفحة من الإنجليزية بمساعدة الذكاء الاصطناعي. [اقرأ الأصل الإنجليزي](https://broadrouter.com/blog/arabic-english-translation-llm/) (حُدّث في 2026-11-14).

# الترجمة بين العربية والإنجليزية بنماذج LLM: الأوامر والمسارد والتقييم

بقلم فريق BroadNet Inference · قراءة في 5 دقائق · تاريخ النشر 2026-11-14

للترجمة بين العربية والإنجليزية بنموذج LLM، أعطِ النموذج الجمهور والأسلوب ومسردًا بالمصطلحات الثابتة، واطلب منه إبقاء الأرقام والأسماء دون تغيير، وترجم على أجزاء بحجم الفقرة. ثم قيّم بمقياس chrF أو COMET مع مراجعة ناطق أصلي. وفي اختبارات BroadNet، ترجم Qwen3.8 27B بدقة بين العربية والإنجليزية.

## أبرز النقاط

-   حدّد الاتجاه والجمهور والأسلوب: «عملاء تجزئة سعوديون، فصحى مهذبة» أفضل من «ترجم إلى العربية».
-   مسرد المصطلحات الثابتة يُبقي مصطلحات المنتج والقانون والواجهة متطابقة في كل جزء وكل استدعاء.
-   تحقق من الأرقام والتواريخ والأسماء والنفي بالشيفرة أو بالمراجعة؛ فهذه هي الأخطاء المكلفة.
-   استخدم chrF أو COMET للدرجات الآلية، ومراجعين من الناطقين الأصليين لكل ما يراه العملاء أو له أثر قانوني.
-   تذكر BroadNet أن Qwen3.8 27B ترجم بدقة بين العربية والإنجليزية في اختباراتها.

**في هذه الصفحة**

1.  لماذا الترجمة بين العربية والإنجليزية صعبة على نماذج LLM؟
2.  أي أمر يعطي ترجمات عربية جيدة؟
3.  لماذا يهم المسرد إلى هذا الحد؟
4.  كيف تقسّم المستندات الطويلة؟
5.  كيف تلتقط الأخطاء الخطيرة؟
6.  كيف تقيّم جودة الترجمة؟
7.  أي نموذج تستخدم، وكم سيكلّف؟
8.  هل يمكنك إرسال العقود والتذاكر إلى الواجهة؟

للترجمة بين العربية والإنجليزية بنموذج LLM، أخبر النموذج بالاتجاه والجمهور والأسلوب، وأعطه مسردًا بالمصطلحات الثابتة، وأبقِ الأرقام والأسماء دون تغيير، وأرسل أجزاء بحجم الفقرة. ثم تحقق من الأرقام والنفي بالشيفرة، وقيّم بمقياس chrF وCOMET ومراجع من الناطقين الأصليين.

وهذا التحكم مهم في العربية، حيث قد تكون الترجمة الحرفية صحيحة ومع ذلك تبدو غريبة على القارئ.

## لماذا الترجمة بين العربية والإنجليزية صعبة على نماذج LLM؟

-   **الأسلوب.** تختلف العربية الرسمية ([العربية الفصحى الحديثة](https://broadrouter.com/ar/glossary/msa/)) عن الكلام اليومي اختلافًا كبيرًا. وقد يصبح سطر تسويقي عفوي بالإنجليزية جامدًا أو مضحكًا بالفصحى الحرفية.
-   **ترتيب الكلمات والطول.** كثيرًا ما تبدأ الجملة العربية بالفعل، وكثيرًا ما يختلف طول النص العربي عن الإنجليزي. فنصوص الواجهة التي تتسع بالإنجليزية قد تلتف أو تفيض.
-   **الجنس والعدد.** تميّز العربية الجنس في الأفعال والصفات والضمائر، ولها مثنى. فكلمة “you” الإنجليزية يجب أن تصبح أنتَ أو أنتِ أو أنتما أو أنتم أو أنتنّ. فإن لم تعرف القارئ، فأخبر النموذج بالصيغة الافتراضية.
-   **الأسماء والنقل الحرفي.** لاسم «محمد» تهجئات إنجليزية كثيرة (Mohammed وMuhammad وMohamed). اختر واحدة لكل شخص والتزم بها.
-   **الأرقام والتواريخ.** الأرقام العربية المشرقية، والتواريخ الهجرية، والتنسيق من اليمين إلى اليسار كلها تحتاج إلى قواعد صريحة.

## أي أمر يعطي ترجمات عربية جيدة؟

تعتمد جودة الترجمة على التعليمات أكثر بكثير من الصياغة الذكية. أخبر النموذج بالاتجاه والجمهور والأسلوب والمسرد وصيغة المخرجات:

```python
import os
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

GLOSSARY = """Invoice = فاتورة
VAT = ضريبة القيمة المضافة
Refund = استرداد المبلغ
Terms and Conditions = الشروط والأحكام
BroadPay = BroadPay (do not translate)"""

SYSTEM = f"""You translate customer-support articles from English to Arabic.
Audience: retail customers in Saudi Arabia and the UAE.
Register: clear, polite Modern Standard Arabic; short sentences; address the reader
in the masculine singular as a neutral default.
Rules:
- Use the glossary exactly. Never translate product names marked "do not translate".
- Keep every number, date, URL, email address and code snippet unchanged.
- Keep Markdown structure (headings, lists, links) unchanged.
- Output only the translation.
Glossary:
{GLOSSARY}"""

def translate(text: str) -> str:
    r = client.chat.completions.create(
        model="broadnet/qwen3.8-27b",
        max_tokens=4000,  # the model reasons before answering
        messages=[{"role": "system", "content": SYSTEM},
                  {"role": "user", "content": text}],
    )
    return r.choices[0].message.content
```

وللترجمة من العربية إلى الإنجليزية، اعكس الاتجاه وأضف ما يحتاجه القارئ الإنجليزي: «إنجليزية أمريكية، أسلوب بسيط، أبقِ الأسماء العربية بالتهجئة الواردة في المسرد». وإن كان المصدر قد يكون بلهجة، فقل ذلك: «قد يكون المصدر بالعربية الخليجية أو المصرية؛ ترجم المعنى لا الكلمات».

## لماذا يهم المسرد إلى هذا الحد؟

من دون مسرد، قد يترجم النموذج “refund” إلى استرجاع في فقرة وإلى استرداد في التالية. كلتاهما عربية سليمة، لكنهما معًا توحيان بالإهمال وتُفسدان البحث. والمسرد يصلح ذلك:

1.  **ابدأ من ترجماتك الموجودة.** استخرج المصطلحات من مركز المساعدة والعقود ونصوص الواجهة التي لديك أصلًا باللغتين.
2.  **أبقِه قصيرًا.** من خمسين إلى مئتي مصطلح تغطي معظم المنتجات. ولا تضع إلا المصطلحات التي يجب ألا تتغير.
3.  **ضمّن ما لا يُترجم.** أسماء العلامات التجارية، وأسماء المنتجات، وأسماء الخطط، ومعرّفات الشيفرة.
4.  **ضعه في أمر النظام، قبل النص.** فهذا يبقيه أيضًا في البادئة القابلة للتخزين المؤقت، ما يخفّض تكلفة الإدخال في الاستدعاءات المتكررة؛ انظر [رموز الإدخال المخزّنة مؤقتًا](https://broadrouter.com/ar/blog/cached-input-tokens-explained/).
5.  **تحقق منه بالشيفرة.** بعد الترجمة، تأكد أن كل مصطلح من المسرد ظهر في المصدر قد ظهر بصيغته الثابتة في الهدف.

## كيف تقسّم المستندات الطويلة؟

ترجم على أجزاء بحجم الفقرة أو القسم، لا جملة جملة. فاستدعاءات الجمل المفردة تُفقد السياق (من هو «هو»، وأي منتج يقصده الضمير). واستدعاءات المستند الكامل تعمل مع النماذج ذات السياق الطويل، لكن الخطأ الواحد يصبح أصعب في العثور عليه وإعادة محاولته. والقسم من بضع مئات من الكلمات توازن جيد. ومرّر ترجمة القسم السابق سياقًا إن كان الاتساق مهمًا.

لنموذج [Qwen3.8 27B](https://broadrouter.com/ar/models/qwen3.8-27b/) سياق من 262,144 رمزًا (توكن)؛ ويستوعب [DeepSeek V4.1 Flash](https://broadrouter.com/ar/models/deepseek-v4.1-flash/) و[GLM 5.3](https://broadrouter.com/ar/models/glm-5.3/) ما يصل إلى 1,048,576 رمزًا، وهذا يكفي لإرفاق مستند مرجعي طويل مع النص الذي تترجمه.

## كيف تلتقط الأخطاء الخطيرة؟

المخرجات السلسة تُخفي الأخطاء. تحقق من هذه آليًا:

-   **الأرقام:** استخرج كل رقم من المصدر والهدف (بعد تحويل الأرقام العربية المشرقية) وقارن المجموعتين.
-   **النفي:** سقوط أداة نفي (لا، لم، لن، ليس، ما) يقلب المعنى. علّم الجمل التي فيها نفي في المصدر وليس في الهدف.
-   **الأسماء ومصطلحات المسرد:** تأكد أنها بقيت دون تغيير.
-   **نسبة الطول:** الهدف الأقصر بكثير من المتوقع يعني عادةً أن شيئًا ما سقط.

```python
import re
EASTERN = str.maketrans("٠١٢٣٤٥٦٧٨٩", "0123456789")

def numbers(s: str) -> list[str]:
    return sorted(re.findall(r"\d+(?:[.,]\d+)?", s.translate(EASTERN)))

def check(src: str, tgt: str) -> list[str]:
    issues = []
    if numbers(src) != numbers(tgt):
        issues.append(f"numbers differ: {numbers(src)} vs {numbers(tgt)}")
    return issues
```

قد تختلف الفاصلة العشرية بين المحليات (يستخدم النص العربي أحيانًا ٫)، فوحّدها أيضًا إن كانت مستنداتك تستخدمها.

## كيف تقيّم جودة الترجمة؟

تخبرك المقاييس الآلية هل جعل تغيير الأمر أو النموذج النتائج أفضل أم أسوأ في المتوسط:

| المقياس | ما يقيسه | ملاحظات للعربية |
| --- | --- | --- |
| BLEU | تطابق مقاطع الكلمات (n-grams) مع ترجمة مرجعية | قاسٍ على العربية، حيث تغيّر اللواحق والسوابق وصيغ الكتابة شكل الكلمات |
| [chrF](https://aclanthology.org/W15-3049/) | تطابق مقاطع الحروف | أكثر تسامحًا مع الصرف العربي؛ خيار افتراضي أفضل |
| [COMET](https://arxiv.org/abs/2009.09025) | حكم نموذج عصبي على الجودة | يرتبط بتقييمات البشر ارتباطًا أفضل؛ يحتاج إلى GPU أو خدمة قياس مستضافة |

ومن المعايير العامة، تضم FLORES-200، التي استخدمها مشروع [No Language Left Behind](https://arxiv.org/abs/2207.04672)، العربية الفصحى الحديثة والعربية المصرية والنجدية والشامية الشمالية والجنوبية والعراقية والمغربية والتونسية والتعزية العدنية إلى جانب الإنجليزية، بحسب [قائمة لغاتها](https://github.com/facebookresearch/flores/blob/main/flores200/README.md). لكن محتواك أنت هو الاختبار الحقيقي:

1.  خذ من 100 إلى 200 مقطع تمثيلي لها ترجمات احترافية موجودة.
2.  ترجمها بكل نموذج وكل نسخة من الأمر.
3.  احسب chrF (وCOMET إن استطعت)، بعد توحيد الإملاء العربي بالطريقة نفسها لكل الأنظمة.
4.  اطلب من ناطق أصلي تقييم 30 مقطعًا لكل نظام من حيث الدقة والطبيعية، من دون أن يعرف أي نظام أنتجها.
5.  تابع فحوص الأخطاء الخطيرة أعلاه بعدّاد منفصل.

## أي نموذج تستخدم، وكم سيكلّف؟

تذكر BroadNet أن [Qwen3.8 27B](https://broadrouter.com/ar/models/qwen3.8-27b/) ترجم بدقة بين العربية والإنجليزية، وكتب عربية سلسة، وفهم اللهجتين الخليجية والمصرية في اختباراتها. وهذا يجعله المرشّح الأول الطبيعي على BroadNet Inference. ويستحق [DeepSeek V4.1 Flash](https://broadrouter.com/ar/models/deepseek-v4.1-flash/) الاختبار أيضًا: فرموز إخراجه أرخص، وهو النموذج المتاح في الخطط الثابتة غير المحدودة. وتضع [مقارنة DeepSeek V4.1 Flash وQwen3.8 27B](https://broadrouter.com/compare/deepseek-v4.1-flash-vs-qwen3.8-27b/) النموذجين جنبًا إلى جنب.

لكل مليون رمز:

| النموذج | الإدخال | الإخراج |
| --- | --- | --- |
| Qwen3.8 27B | $0.175 | $2.17 |
| DeepSeek V4.1 Flash | $0.175 | $0.52 |
| GLM 5.3 | $0.78 | $3.46 |

مخرجات الترجمة بطول المدخلات تقريبًا، والنماذج الثلاثة كلها تستدل قبل الإجابة، لذا تغلب رموز الإخراج عادةً على الفاتورة. وتميل العربية أيضًا إلى رموز لكل كلمة أكثر من الإنجليزية؛ انظر [عدد الرموز لكل كلمة في العربية والإنجليزية](https://broadrouter.com/ar/blog/tokens-per-word-arabic-english/). الصق عينة في [عدّاد الرموز العربية](https://broadrouter.com/tools/arabic-token-counter/) المجاني، وتأكد بقيمة `usage` من طلب حقيقي، ثم قدّر الإنفاق الشهري بـ[حاسبة تكلفة LLM API](https://broadrouter.com/tools/llm-api-cost-calculator/). ولمشروع تعريب كبير لمرة واحدة على DeepSeek V4.1 Flash، تُلغي الخطة الأسبوعية بسعر $15 عدّاد الرموز كليًا.

## هل يمكنك إرسال العقود والتذاكر إلى الواجهة؟

كثيرًا ما تحوي العقود والخطابات الطبية وتذاكر الدعم بيانات شخصية. ولا تحتفظ BroadNet Inference بالأوامر أو المخرجات بعد الطلب؛ انظر [عدم الاحتفاظ بالبيانات](https://broadrouter.com/ar/privacy/). وتأكد أن ذاكرة الترجمة والسجلات لديك تتبع القواعد نفسها.

أدوات مجانية لهذا الموضوع (بالإنجليزية)

-   [Arabic token counter](https://broadrouter.com/tools/arabic-token-counter/) Arabic vs English token counts per tokenizer: the "Arabic tax" in tokens and money.
-   [Arabic text normalizer](https://broadrouter.com/tools/arabic-text-normalizer/) Tashkeel, tatweel, alef, ya, ta marbuta, digits and invisible characters, with a matching Python function.
-   [Speech-to-text cost calculator](https://broadrouter.com/tools/speech-to-text-cost-calculator/) Hours, calls or voice notes to a monthly transcription bill, against your current provider.

[أدوات مجانية (بالإنجليزية)](https://broadrouter.com/tools/)

## مصطلحات في هذا المقال

[الرمز (التوكن، Token)](https://broadrouter.com/ar/glossary/token/)

الرمز (التوكن) هو وحدة النص التي يقرؤها نموذج اللغة ويكتبها: كلمة، أو جزء من كلمة، أو علامة ترقيم، أو تسلسل بايتات ينتجه مجزّئ النموذج (tokenizer). وتَعُدّ واجهات LLM API الاستهلاك بالرموز، وتضع حدودها بها، وتحتسب تكلفتها بها عادةً.

[العربية الفصحى الحديثة (Modern Standard Arabic، MSA)](https://broadrouter.com/ar/glossary/msa/)

العربية الفصحى الحديثة (MSA) هي الصيغة المعيارية من العربية المستخدمة في الكتابة والأخبار والتعليم والخطاب الرسمي في أنحاء العالم العربي. وليست لغة الحياة اليومية الأم لأحد: يتحدث الناس لهجات إقليمية، كالمصرية أو الخليجية، وينتقلون إلى الفصحى في المواقف الرسمية.

[استدعاء الأدوات (Tool calling)](https://broadrouter.com/ar/glossary/tool-calling/)

استدعاء الأدوات، ويُسمّى أيضًا استدعاء الدوال (function calling)، ميزة في واجهات LLM API يُرجع فيها النموذج طلبًا منظَّمًا لتشغيل دالة عرّفها المطوّر، مع معاملات بصيغة JSON. ويشغّل التطبيق الدالة ويعيد النتيجة؛ فالنموذج لا يشغّل الشيفرة بنفسه أبدًا.

[رموز الإدخال والإخراج (Input and output tokens)](https://broadrouter.com/ar/glossary/input-and-output-tokens/)

رموز الإدخال هي الرموز (التوكنات) التي يقرؤها نموذج اللغة في الطلب، ومنها أمر النظام وسجل المحادثة وتعريفات الأدوات والصور. ورموز الإخراج هي الرموز التي يولّدها في الرد، بما فيها الاستدلال المنطقي. وتسعّر واجهات LLM API كلًّا منهما على حدة عادةً، والإخراج أغلى في الغالب.

[أمر النظام (System prompt)](https://broadrouter.com/ar/glossary/system-prompt/)

أمر النظام (system prompt) هو نص التعليمات الذي يرسله التطبيق إلى النموذج اللغوي قبل المحادثة، عادةً في رسالة بالدور system أو developer. وهو يحدد دور النموذج وقواعده ونبرته وصيغة مخرجاته، ويُفترض أن يلتزم به النموذج إذا تعارض مع رسائل المستخدم.

## أسئلة شائعة

### هل نموذج LLM أفضل من API ترجمة مخصصة للعربية؟

في النصوص القصيرة العامة قد يكون الفرق صغيرًا. وتتفوق نماذج LLM حين تحتاج إلى التحكم في النبرة أو مصطلحات المسرد أو التنسيق أو مدخلات باللهجات، لأنك تستطيع أن تقول في الأمر ما تريده بالضبط.

### هل يستطيع النموذج ترجمة العربية العامية إلى الإنجليزية؟

غالبًا نعم، لأن الترجمة تعتمد على الفهم، والنماذج تفهم اللهجات أفضل مما تكتبها. وتذكر BroadNet أن Qwen3.8 27B فهم اللهجتين الخليجية والمصرية في اختباراتها. تحقق من عينة مع ناطقين أصليين.

### هل تجوز الترجمة الآلية للمستندات القانونية؟

استخدم نموذج LLM لمسودة أولى وللفهم، لكن اطلب من مترجم مؤهَّل مراجعة كل ما له أثر قانوني. وتشترط جهات قضائية كثيرة أيضًا ترجمة بشرية معتمدة للمستندات الرسمية.

### لماذا تستهلك ترجمتي العربية رموزًا أكثر من الإنجليزية؟

كثيرًا ما تقسّم مُقسِّمات الرموز العربية إلى رموز لكل كلمة أكثر من الإنجليزية. الصق عينة في عدّاد رموز، ثم تأكد بقيمتي usage.prompt\_tokens وusage.completion\_tokens من طلب حقيقي.

### أي مقياس أستخدم لتقييم الترجمة الآلية العربية؟

استخدم chrF درجةً آلية افتراضية، لأن مقاطع الحروف (character n-grams) تتعامل مع اللواحق والسوابق العربية وصيغ الكتابة المختلفة أفضل من BLEU. وأضف COMET إن استطعت تشغيله، واطلب من ناطقين أصليين تقييم 30 مقطعًا أو أكثر لكل نظام تقييمًا أعمى.

## تابع القراءة

-   [اختيار LLM API للغة العربية: ما الذي تختبره؟](https://broadrouter.com/ar/blog/choosing-an-llm-for-arabic/)
-   [هندسة الأوامر بالعربية: المستوى اللغوي والاتجاه والأرقام والنص المختلط](https://broadrouter.com/ar/blog/arabic-prompt-engineering/)
-   [عدد الرموز لكل كلمة في العربية والإنجليزية: لماذا تكلّف العربية أكثر؟](https://broadrouter.com/ar/blog/tokens-per-word-arabic-english/)
-   [وضع JSON أم json\_schema: مخرجات منظَّمة يمكن الاعتماد عليها](https://broadrouter.com/ar/blog/structured-output-json-schema/)
-   [ترجمة نصوص التطبيق إلى العربية بنموذج LLM: المتغيرات وصيغ الجمع](https://broadrouter.com/ar/blog/translate-app-strings-to-arabic-llm/)
-   [ترجمة الصوت العربي إلى نص إنجليزي عبر API: مسار مُختبَر](https://broadrouter.com/ar/blog/translate-arabic-audio-to-english/)
-   [تشكيل النص العربي بنموذج LLM: الأمر والتحقق ومعدل DER](https://broadrouter.com/ar/blog/arabic-diacritization-llm/)
-   [التدقيق الإملائي والنحوي للنص العربي بنموذج LLM: دليل عملي](https://broadrouter.com/ar/blog/arabic-grammar-spelling-correction-llm/)
-   [دليل: استخدام OpenAI Python SDK مع BroadNet Inference](https://broadrouter.com/ar/guides/openai-python-sdk/)
-   [دليل: قراءة الفواتير والإيصالات العربية بنموذج رؤية](https://broadrouter.com/ar/guides/read-arabic-invoices-with-vision/)

جرّبه على مهامك الفعلية. تبدأ الحسابات الجديدة برصيد قدره $5 لاستخدام Gemma والتفريغ الصوتي. أما DeepSeek وGLM وQwen3.8 فتتطلب شحن الرصيد.

[ابدأ الآن](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-blog-arabic-english-translation-llm&utm_content=page-cta) ·

**المصادر**

-   [صفحة أسعار BroadNet Inference، ملاحظة «Tested in Arabic» لنموذج Qwen3.8 27B (جُلبت في 2026-11-14)](https://inference.broadnet.ai/ar/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-blog-arabic-english-translation-llm&utm_content=sources)
-   [Popović، chrF: character n-gram F-score for automatic MT evaluation (WMT 2015؛ جُلبت في 2026-11-14)](https://aclanthology.org/W15-3049/)
-   [Rei وآخرون، COMET: A Neural Framework for MT Evaluation (arXiv 2009.09025؛ جُلبت في 2026-11-14)](https://arxiv.org/abs/2009.09025)
-   [فريق NLLB، No Language Left Behind (قُيّم على FLORES-200؛ arXiv 2207.04672؛ جُلبت في 2026-11-14)](https://arxiv.org/abs/2207.04672)
-   [قائمة لغات FLORES-200 (الفصحى الحديثة إضافة إلى العربية المصرية والنجدية والشامية والعراقية والمغربية والتونسية والتعزية العدنية؛ جُلبت في 2026-11-14)](https://github.com/facebookresearch/flores/blob/main/flores200/README.md)
