Arabizi ist die Art, wie viele Arabischsprachige auf dem Handy tippen: arabische Wörter, lateinische Tastatur, ein paar Ziffern für die fehlenden Laute.
So funktioniert es
Darwish (2014) beschreibt Arabizi, auch Arabish oder Franco-Arab genannt, als Arabisch in transliterierter lateinischer Form, das Ziffern für Buchstaben verwendet, die dem Englischen fehlen: „2“ und „3“ stehen für den Hamza-Laut und für ع. Entstanden ist es, weil ältere Browser und Handys keine arabische Schrift anzeigen konnten. Es hält sich, weil die Leute daran gewöhnt sind und auf einer englischen Tastatur schneller tippen.
Drei Eigenschaften machen es für Software schwierig:
- Keine feste Rechtschreibung. Shazal, Usman und Habash (2020) weisen darauf hin, dass Arabizi in sozialen Medien dialektales Arabisch ist, das keine Standardorthografie hat, und dass die Abbildung auf arabische Schrift nicht eins zu eins ist.
- Gemischt mit Englisch oder Französisch. Eine Nachricht wie
w aletli Tuesday(„und sie sagte mir Dienstag“) mischt beides; das ist Code-Switching. - Erst erkennen. Software muss entscheiden, welche Wörter Arabizi sind, bevor sie sie umwandelt. Darwish berichtet 98,5 % Erkennungsgenauigkeit und 88,7 % Umwandlungsgenauigkeit mit einer klassischen Pipeline; das Sequence-to-Sequence-Modell von 2020 erreicht für die kombinierte Aufgabe 80,6 % Wortgenauigkeit auf einem Blind-Testset.
Bei LLM-APIs verhält sich Arabizi im Tokenizer zudem anders als arabische Schrift, denn es ist lateinischer Text in Schreibweisen, die das Vokabular selten gesehen hat.
Warum es wichtig ist
Wenn Sie einen Chatbot, eine Suche oder Analytics am Golf, in Ägypten oder in der Levante betreiben, werden einige Ihrer Nutzer Arabizi tippen. Stichwortsuche, Intent-Regeln und Sentiment-Tools für arabische Schrift übersehen diese Nachrichten. Eine verbreitete Lösung: ein LLM bitten, Arabizi vor dem Routing oder Indexieren in arabische Schrift umzuwandeln, mit Angabe des Dialekts, und den Originaltext aufzubewahren. Der Leitfaden zum Umgang mit Arabizi geht Prompts und die Wahl der Antwortschrift durch.
Bei BroadNet Inference
BroadNet hat keine eigene Arabizi-Funktion; die Chat-Modelle erhalten es als normalen Text. BroadNet berichtet, Qwen3.8 27B auf Arabisch getestet zu haben, wobei golf-arabische und ägyptische Dialekte verstanden wurden; das ist ein Ausgangspunkt für Arabizi-Tests. Siehe golf-arabische und ägyptische Dialekte mit LLMs.
Sprache ist ein eigener Fall. Die Dokumentation von BroadNet warnt, dass arabisches Audio ohne language in lateinische Buchstaben transliteriert werden kann. Diese Ausgabe sieht aus wie Arabizi, kommt aber von der Anfrage, nicht vom Sprecher. Senden Sie language=ar an BroadNet Transcribe Arabic.