ترجمة ملفات النصوص في التطبيق مهمة تختلف عن ترجمة النثر. فكل قيمة قصيرة، وكثيرًا ما تأتي بلا سياق، وتحمل صيغة يجب ألا يلمسها النموذج: المتغيرات، ووسوم HTML، وقواعد الجمع. والعربية تجعل الأخيرة صعبة: فملفات الإنجليزية فيها صيغتا جمع، والعربية تحتاج إلى ست. يبني هذا المقال خط معالجة صغيرًا على نموذج LLM متوافق مع OpenAI: جمّد المتغيرات، واطلب ست صيغ جمع نصية بسيطة، واجمع صيغة ICU في الشيفرة، ثم تحقق من كل شيء في CI.
ولترجمة المستندات والتذاكر والعقود، انظر الترجمة بين العربية والإنجليزية بنماذج LLM، الذي يتناول النبرة والمسارد والتقييم في ترجمة النثر.
لماذا تُفسد صيغ الجمع العربية ملفات النصوص المترجمة آليًا؟
يعطي Unicode CLDR، الذي تتبعه Intl.PluralRules وICU وi18next جميعًا، العربية ست فئات عددية:
| الفئة | قاعدة CLDR | أعداد مثالية | مثال: «ملف» |
|---|---|---|---|
| zero | n = 0 | 0 | لا توجد ملفات |
| one | n = 1 | 1 | ملف واحد |
| two | n = 2 | 2 | ملفان (مثنى) |
| few | n % 100 = 3..10 | 3–10، 103–110 | 5 ملفات (جمع) |
| many | n % 100 = 11..99 | 11–99، 111 | 11 ملفًا (مفرد منصوب) |
| other | كل ما عدا ذلك | 100–102، 1000، 0.5 | 100 ملف (مفرد) |
تفصيلان يوقعان الناس في الخطأ. الأول أن الفئات ليست هي الأعداد: 103 من فئة few و111 من فئة many. والثاني أن المصدر الإنجليزي لا يعطي النموذج إلا one وother، فعليه أن يستنتج أربع صيغ من القواعد وحدها. ومعظم الإخفاقات تأتي من نسخ النموذج للزوج الإنجليزي.
والإخفاق صامت. عرضنا رسالة عربية لا تحوي إلا one وother بمكتبة intl-messageformat 12.1.5: فخرجت 0 و2 و11 ملفًا كلها بصيغة «N ملف». وتصرّفت i18next 27.1.2 بالطريقة نفسها حين غاب المفتاح _many: فعرضت 11 ملفًا بنص _other. لا خطأ ولا تحذير، مجرد عربية خاطئة.
كيف ترسل النصوص إلى النموذج؟
اجمعها في دفعات. فطلب واحد لكل نص يهدر الرموز (التوكنز) على أمر النظام ويُفقد السياق بين النصوص المترابطة. أرسل من 50 إلى 200 مفتاح في كل مرة كائنَ JSON، مجمّعة بحسب الشاشة أو الميزة، كي تُقرأ «Save» بجوار «Cancel» على أنها زر.
ثلاث قواعد تجعل الرد قابلًا للتحقق:
- جمّد المتغيرات. استبدل
{name}، ومتغيرات i18next ذات القوسين المزدوجين، و%s، و%1$s، والوسوم مثل<b>بعلامات مثل ⟦0⟧. فيرى النموذج «Welcome back, ⟦0⟧!» ولا يستطيع ترجمةnameإلى اسم. - اطلب صيغ الجمع سلاسل نصية بسيطة. أرسل نصي
oneوotherالإنجليزيين واطلب ست سلاسل عربية. والشيفرة تبني صيغة ICU؛ فلا يكتب النموذج قوسًا واحدًا. - أعطِ مسردًا وقائمة بما لا يُترجم. أسماء المنتجات، وأسماء الخطط، والمصطلحات التي يستخدمها فريق الدعم. ويشرح قسم المسرد في مقال الترجمة لماذا يهم هذا أكثر من اختيار النموذج.
سكربت الترجمة
يستخدم ملف المصدر صيغة ICU MessageFormat، وهي الصيغة التي توثّقها FormatJS. والتجميد نفسه يعمل مع صيغة JSON الخاصة بـi18next، التي تنتهي مفاتيح الجمع فيها بـ_zero و_one و_two و_few و_many و_other.
{
"save": "Save",
"welcome": "Welcome back, {name}!",
"invite": "<b>{inviter}</b> invited you to the {workspace} workspace",
"billing": "Pay with AcmePay",
"files": "{count, plural, one {# file} other {# files}}"
}
import json, os, re
from openai import OpenAI
client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
FORMS = ["zero", "one", "two", "few", "many", "other"]
# ICU arguments, double-brace and printf placeholders, HTML-style tags
PH = re.compile(r"\{\{\s*\w+\s*\}\}|\{\w+\}|%(?:\d+\$)?[sdif@]|</?\w+[^>]*>")
PLURAL = re.compile(r"^\{(\w+), plural,(.*)\}$", re.S)
def freeze(text):
"""Replace each placeholder with ⟦n⟧ so the model cannot translate or break it."""
found = PH.findall(text)
for i, p in enumerate(found):
text = text.replace(p, f"⟦{i}⟧", 1)
return text, found
def thaw(text, found):
for i, p in enumerate(found):
text = text.replace(f"⟦{i}⟧", p)
return text
def branches(body):
"""'one {# file} other {# files}' -> {'one': '# file', 'other': '# files'}."""
out, i = {}, 0
while i < len(body):
m = re.compile(r"\s*([=\w]+)\s*\{").match(body, i)
if not m:
break
depth, j = 1, m.end()
while depth:
depth += {"{": 1, "}": -1}.get(body[j], 0)
j += 1
out[m.group(1)] = body[m.end():j - 1]
i = j
return out
SYSTEM = """You translate app interface strings from English to Modern Standard Arabic.
Reply with one JSON object only: {"STRINGS": {key: Arabic}, "PLURALS": {key: {six forms}}}.
Rules:
- ⟦0⟧, ⟦1⟧ ... are placeholders. Keep every one exactly once and unchanged; move it if Arabic word order needs it.
- # stands for the number. Keep it where the number should appear.
- Interface style: short, no full stops on buttons or labels.
- Never translate terms in DO_NOT_TRANSLATE. Use GLOSSARY translations exactly.
- For each PLURALS key, return all six Arabic forms: zero, one, two, few, many, other.
zero = none; one = singular without a number; two = dual without a number;
few = 3-10: # + plural noun; many = 11-99: # + singular noun in the accusative;
other = 100, 1000 and also 0.5 and 1.5: # + singular noun."""
def translate(src, glossary=None, dnt=(), model="broadnet/qwen3.8-27b"):
strings, plurals, frozen = {}, {}, {}
for key, text in src.items():
m = PLURAL.match(text)
if m:
b = branches(m.group(2))
fone, ph = freeze(b.get("one", b["other"]))
fother, _ = freeze(b["other"])
plurals[key] = {"one": fone, "other": fother}
frozen[key] = (m.group(1), ph)
elif "{" in PH.sub("", text):
raise ValueError(f"{key}: nested ICU, send to a human")
else:
strings[key], ph = freeze(text)
frozen[key] = (None, ph)
payload = {"STRINGS": strings, "PLURALS": plurals,
"GLOSSARY": glossary or {}, "DO_NOT_TRANSLATE": list(dnt)}
r = client.chat.completions.create(
model=model, max_tokens=4000, temperature=0.2,
messages=[{"role": "system", "content": SYSTEM},
{"role": "user", "content": json.dumps(payload, ensure_ascii=False)}])
out = json.loads(r.choices[0].message.content)
ar = {k: thaw(v, frozen[k][1]) for k, v in out.get("STRINGS", {}).items() if k in frozen}
for k, forms in out.get("PLURALS", {}).items():
if k not in frozen:
continue
arg, ph = frozen[k]
ar[k] = "{%s, plural, %s}" % (arg, " ".join(
f + " {" + thaw(forms[f], ph) + "}" for f in FORMS if f in forms))
return ar
en = json.load(open("en.json"))
ar = translate(en, glossary={"workspace": "مساحة العمل"}, dnt=["AcmePay"])
json.dump(ar, open("ar.json", "w"), ensure_ascii=False, indent=2)
شغّلناه بـOpenAI Python SDK على خادم محاكاة محلي، لا على الواجهة الحية، مع رد عربي معدّ مسبقًا. وكان الطلب الذي سيراه النموذج يحوي «Welcome back, ⟦0⟧!» و«⟦0⟧⟦1⟧⟦2⟧ invited you to the ⟦3⟧ workspace»، وكتب السكربت ملف ar.json هذا:
{
"save": "حفظ",
"welcome": "مرحبًا بعودتك يا {name}!",
"invite": "دعاك <b>{inviter}</b> إلى مساحة العمل {workspace}",
"billing": "ادفع عبر AcmePay",
"files": "{count, plural, zero {لا توجد ملفات} one {ملف واحد} two {ملفان} few {# ملفات} many {# ملفًا} other {# ملف}}"
}
ملاحظات على الشيفرة:
- العلامات تتحرك، ولا تختفي. كثيرًا ما تبدأ الجملة العربية بالفعل، فقد يتحرك ⟦0⟧. والتحقق أدناه يعدّ العلامات، ولا يهمه موضعها.
- رسائل ICU المتداخلة تذهب إلى شخص. وجود
selectداخلpluralنادر وسهل الكسر. فيرفضه السكربت بدلًا من التخمين. max_tokens=4000يترك مساحة للاستدلال. تقول وثائق BroadNet إن DeepSeek V4.1 Flash وGLM 5.3 وQwen3.8 27B تستدل قبل الإجابة، وإن الاستدلال يُحتسب ضمن max_tokens. انظر الردود الفارغة من نماذج الاستدلال.- قد يفشل
json.loads. غلّفه وأعِد الإرسال مرة واحدة مع الخطأ؛ ففي إصلاح JSON غير الصالح من نموذج LLM دالة إصلاح مُختبرة. وعلى GLM 5.3 وQwen3.8 27B، نموذجي BroadNet الموثَّق دعمهما لـالمخرجات المنظَّمة، أضف مخططresponse_formatأيضًا. والتحقق أدناه يبقى في الحالتين.
كيف تتحقق من الملف العربي في CI؟
حلّل كل رسالة بالمحلل نفسه الذي يستخدمه تطبيقك وقت التشغيل، وقارنها بالمصدر. يستخدم سكربت Node هذا الحزمة @formatjs/icu-messageformat-parser (الإصدار 3.5.23 في اختبارنا):
// node check-ar.mjs en.json ar.json -> exits 1 on any problem
import { readFileSync } from "node:fs";
import { parse, TYPE } from "@formatjs/icu-messageformat-parser";
const AR_FORMS = ["zero", "one", "two", "few", "many", "other"];
const [en, ar] = process.argv.slice(2).map((p) => JSON.parse(readFileSync(p, "utf8")));
const errors = [];
// Collect argument and tag names; return the plural elements too.
function walk(nodes, names = [], plurals = []) {
for (const n of nodes) {
if (n.type === TYPE.literal || n.type === TYPE.pound) continue;
names.push(n.type === TYPE.tag ? `<${n.value}>` : `{${n.value}}`);
if (n.type === TYPE.tag) walk(n.children, names, plurals);
if (n.type === TYPE.plural) plurals.push(n);
if (n.options) for (const o of Object.values(n.options)) walk(o.value, [], plurals);
}
return { names: names.sort().join(" "), plurals };
}
for (const key of Object.keys(en)) {
if (!(key in ar)) { errors.push(`${key}: missing`); continue; }
let src, dst;
try { src = walk(parse(en[key])); dst = walk(parse(ar[key], { requiresOtherClause: true })); }
catch (e) { errors.push(`${key}: ICU syntax error ${e.message}`); continue; }
if (src.names !== dst.names) errors.push(`${key}: arguments differ: [${src.names}] vs [${dst.names}]`);
for (const p of dst.plurals) {
const missing = AR_FORMS.filter((f) => !(f in p.options));
if (missing.length) errors.push(`${key}: plural {${p.value}} lacks ${missing.join(", ")}`);
}
if (!/[-ۿ]/.test(ar[key])) errors.push(`${key}: no Arabic letters`);
if (/⟦\d+⟧/.test(ar[key])) errors.push(`${key}: placeholder marker left in text`);
}
for (const key of Object.keys(ar)) if (!(key in en)) errors.push(`${key}: not in source`);
console.log(errors.join("\n") || "ok");
process.exit(errors.length ? 1 : 0);
على الملف أعلاه طبع ok. ثم جعلنا رد المحاكاة يُسقط صيغة many وعلامة {workspace}. فخرج السكربت برمز 1 وطبع:
invite: arguments differ: [<b> {inviter} {workspace}] vs [<b> {inviter}]
files: plural {count} lacks many
تلتقط قاعدة «no Arabic letters» النصوص التي تركها النموذج بالإنجليزية. لكنها تلتقط أيضًا القيم التي ليست إلا اسم منتج أو رقمًا، فاحتفظ بقائمة استثناء لها. ولصيغة i18next الخاصة، طبّق التحققات نفسها لكل مفتاح: كل زوج _one/_other في الإنجليزية يحتاج إلى المفاتيح الست ذات اللواحق في العربية، وكل منها يحتاج إلى المتغيرات نفسها، إلا أن _zero و_one و_two يجوز أن تُسقط العدد.
وأخيرًا، اعرض بضعة أعداد عبر منسّقك الحقيقي. مع intl-messageformat 12.1.5، أعطت رسالة files أعلاه: 0 ← لا توجد ملفات، و2 ← ملفان، و5 ← 5 ملفات، و11 ← 11 ملفًا، و102 ← 102 ملف، و111 ← 111 ملفًا. وهذا الفحص السريع يلتقط صيغة تُحلَّل بنجاح لكنها تستخدم الاسم الخطأ.
ماذا عن العرض من اليمين إلى اليسار؟
الترجمة تضبط الكلمات، لكن المتصفح ما زال عليه ترتيبها. فحين يُدرج اسم لاتيني أو رقم في جملة عربية، قد تنقل خوارزمية Unicode ثنائية الاتجاه علامات الترقيم أو تبادل مواضع المقاطع المتجاورة. ونصيحة W3C هي عزل النص المُدرج: غلّفه بـ<bdi> أو بعنصر فيه dir="auto" في HTML، أو أحِطه بالحرفين U+2068 FIRST STRONG ISOLATE وU+2069 POP DIRECTIONAL ISOLATE في النص العادي، مثل الإشعارات الفورية.
افعل ذلك حيث تُدرج القيم، لا في الترجمة. ففي اختبارنا، أبقى تنسيقُ رسالة الترحيب مع اسم محاط بـU+2068 وU+2069 الحرفين في الناتج، ولم يمسّ النص العربي. واضبط أيضًا dir="rtl" وlang="ar" على الصفحة أو الحاوية. وفي هندسة الأوامر للعربية قائمة تحقق قصيرة لأخطاء العرض من اليمين إلى اليسار.
والأرقام اختيار المنسّق، لا اختيار الترجمة. أبقِ # أو المتغير في النص. على Node 24 (ICU 78.3)، كتب Intl.NumberFormat العدد 1234 بصيغة 1,234 للمحلية ar، وبصيغة ١٬٢٣٤ للمحليتين ar-EG وar-SA. اختر وسم المحلية الذي يطابق سوقك. وللأسئلة الأوسع في المنتج (لغة الواجهة مقابل لغة النموذج، وفقاعات المحادثة ذات الاتجاهات المختلطة، واكتشاف اللغة، والتكلفة لكل لغة)، انظر تصميم تجربة ذكاء اصطناعي بلغات متعددة.
من يجب أن يراجع المخرجات؟
خط معالجة LLM بهذه التحققات يضمن أن الملف سليم البنية. لكنه لا يضمن أن العربية صحيحة. اطلب من متحدث بالعربية مراجعة:
- النصوص الجديدة والمعدّلة فقط. قارن
en.jsonبالإصدار السابق ولا تترجم إلا ما تغيّر. فتبقى المراجعات صغيرة، ولا تتحرك النصوص المعتمدة أبدًا. - صيغ الجمع، كلمة كلمة. المطابقة مع الأعداد هي حيث يزلّ النموذج أكثر، خصوصًا النصب بعد 11 إلى 99.
- الجنس. يتغير ضمير المخاطب والأفعال في العربية بحسب جنس القارئ. فإن كانت واجهتك تخاطب المستخدمين مباشرة، فاعتمد اصطلاحًا، مثل صيغة ثابتة أو إعادة صياغة محايدة، وضعه في أمر النظام.
- الطول. قد تكون النصوص العربية أطول من الإنجليزية أو أقصر. تحقق من الأزرار والتبويبات في التخطيط الحقيقي بعرض شاشة الجوال.
احتفظ بملف مسرد مُراجَع في المستودع، وأرسله مع كل طلب، كي تبقى المصطلحات المعتمدة ثابتة.
كم يكلّف ذلك؟
ملفات النصوص صغيرة. والمخرجات بطول المدخلات تقريبًا، وتحتاج العربية عادةً إلى رموز لكل كلمة أكثر من الإنجليزية؛ وفي عدد الرموز لكل كلمة في العربية والإنجليزية نسب مقيسة. الصق دفعة في عدّاد الرموز العربية، واضرب في عدد الدفعات، وأضف أمر النظام إلى كل منها. وتستهلك نماذج الاستدلال رموزًا في التفكير أيضًا؛ وتعرضها BroadNet في usage باسم completion_tokens_details.reasoning_tokens، فاقرأ usage من طلب حقيقي قبل أن تستقرئ.
| النموذج | ملاحظات لهذه المهمة | الإدخال / الإخراج لكل مليون رمز |
|---|---|---|
| Qwen3.8 27B | المخرجات المنظَّمة موثّقة | $0.175 / $2.17 |
| GLM 5.3 | المخرجات المنظَّمة موثّقة؛ سياق من 1,048,576 رمزًا | $0.78 / $3.46 |
| Gemma 4 VL 26B | يعمل على الرصيد الابتدائي $5؛ JSON بالأمر وحده، فالمدقق أهم هنا | $0.10 / $0.22 |
| DeepSeek V4.1 Flash | متاح أيضًا بخطط ثابتة، مثل $15 أسبوعيًا لكل جلسة، بطلب واحد في كل مرة لكل جلسة | $0.175 / $0.52 |
الأسعار من موجز أسعار BroadNet، المحدَّث في 2026-11-14. ترجم النصوص المئة نفسها بنموذجين، واطلب من مراجعك مقارنتهما قبل أن تختار؛ فسعر الرمز أقل أهمية من عدد الإصلاحات. ولآلاف المفاتيح عبر لغات كثيرة، يتناول مقال المعالجة بالجملة من دون Batch API التزامن وإعادة المحاولة.
أين تناسب BroadNet Inference
BroadRouter هو موقع BroadNet نفسها. تمنحك BroadNet Inference وصولًا متوافقًا مع OpenAI إلى النماذج أعلاه، فيعمل السكربت مع OpenAI Python SDK بعد تغيير عنوان base URL ومعرّف النموذج؛ وراجع المرجع التقني للمعاملات التي يدعمها كل نموذج. ليست لديها نقطة نهاية للترجمة، ولا تنشر معيارًا للتعريب، فيبقى المدقق والمراجع البشري بوابة الجودة لديك. وتضيف منصات التعريب المخصصة ذاكرة ترجمة، وسير عمل للمراجعين، ولقطات شاشة في السياق؛ فإن احتجت إليها، فاستخدم إحداها وأبقِ تحقق CI أعلاه خط دفاع ثانيًا.
