El arabizi es la forma en que muchos hablantes de árabe escriben en el teléfono: palabras árabes, teclado latino y algunos dígitos para los sonidos que faltan.
Cómo funciona
Darwish (2014) describe el arabizi, también llamado Arabish o franco-árabe, como árabe en forma latina transliterada que usa números para las letras que no existen en inglés: «2» y «3» representan el sonido de la hamza y la letra ع. Se extendió porque los navegadores y teléfonos antiguos no podían mostrar la escritura árabe. Sobrevive porque la gente está acostumbrada y escribe más rápido en un teclado inglés.
Tres propiedades lo complican para el software:
- Sin ortografía estándar. Shazal, Usman y Habash (2020) señalan que el arabizi de las redes sociales es árabe dialectal, que no tiene una ortografía estándar, y que la correspondencia con la escritura árabe no es de uno a uno.
- Mezclado con inglés o francés. Un mensaje como
w aletli Tuesday(«y me dijo el martes») mezcla ambos idiomas, lo que se conoce como code-switching. - Primero, la detección. El software debe decidir qué palabras están en arabizi antes de convertirlas. Darwish reporta un 98.5 % de precisión en la detección y un 88.7 % en la conversión con un pipeline clásico; el modelo secuencia a secuencia de 2020 alcanza un 80.6 % de precisión por palabra en un conjunto de prueba ciego para la tarea conjunta.
En las APIs de LLM, el arabizi también se comporta de forma distinta a la escritura árabe con el tokenizador, ya que es texto latino escrito de maneras que el vocabulario casi nunca vio.
Por qué importa
Si opera un chatbot, un buscador o analítica en el Golfo, Egipto o el Levante, algunos de sus usuarios escribirán en arabizi. La búsqueda por palabras clave, las reglas de intención y las herramientas de sentimiento pensadas para la escritura árabe pasarán por alto esos mensajes. Una solución habitual es pedir a un LLM que convierta el arabizi a escritura árabe, indicando el dialecto, antes de enrutar o indexar, y conservar el texto original. La guía para manejar arabizi recorre los prompts y las opciones de escritura de la respuesta.
En BroadNet Inference
BroadNet no tiene ninguna función específica para el arabizi; los modelos de chat lo reciben como texto normal. BroadNet informa haber probado Qwen3.8 27B en árabe, con comprensión de los dialectos del Golfo y egipcio, lo que es un punto de partida para pruebas con arabizi. Consulte dialectos del Golfo y egipcio con LLMs.
La voz es un caso aparte. La documentación de BroadNet advierte que, sin language, el audio en árabe puede transliterarse a letras latinas. Esa salida parece arabizi, pero proviene de la solicitud, no del hablante. Envíe language=ar a BroadNet Transcribe Arabic.