Ang AI feature para sa mga user na Arabic, English at Spanish ay tatlong produkto na nagsasalo sa iisang codebase. Kailangang bumaliktad ang direksyon ng screen para sa Arabic. Naghahalo ang mga script sa iisang linya ng mensahe. Nag-iiba ang hitsura ng numero at petsa ayon sa rehiyon. Puwedeng sumagot ang model sa maling wika, at magkakaiba ang gastos ng bawat wika. Karamihan sa mga problemang ito ay galing sa iisang pagkakamali sa design: ang pagturing sa “wika” bilang iisang setting.
Tungkol sa produkto at interface ang post na ito. Ang pagsasalin ng sariling strings ng app mo (placeholder, plural, ICU message) ay nasa pagsasalin ng app strings sa Arabic gamit ang LLM; ang pagkakasulat ng prompt ay nasa Arabic prompt engineering.
Bakit dapat magkahiwalay ang locale ng interface at ang wika ng model?
Dahil magkaibang tanong ang sinasagot nila. Ang locale ng interface (ar-SA, en-US, es-MX) ang nagpapasya ng direksyon ng layout, ng wika ng mga button mo, at ng hitsura ng numero at petsa. Ang wika ng content ay ang wika ng isang partikular na mensahe, dokumento o recording, at ito ang nagpapasya kung ano ang ipapagawa mo sa model.
Lagi silang naghihiwalay. Nagpe-paste ng English na kontrata ang Saudi na user na naka-Arabic na interface. Nag-a-upload ng litrato ng Arabic na invoice ang Spanish na user. Nagpapalit ng wika sa gitna ng usapan ang bilingual na agent (code-switching). Kung “sumagot sa Arabic” ang ipinapadala ng code dahil Arabic ang interface, Arabic na buod ng English na kontrata ang lalabas, na walang humiling.
Kaya i-store ang dalawa kada user, at kada mensahe:
ui_locale: pinipili ng user, at default ang wika ng browser.answer_language: ang tahasang pinili ng user kung mayroon, kung wala ay ang na-detect na wika ng mensahe.- Para sa audio,
audio_language: ang ipinapasa mo sa transcription model. Sabi ng API reference ng BroadNet, laging ipadala anglanguagesa transcription request, dahil kung hindi ay puwedeng bumalik ang Arabic sa Latin na letra.
Paano susuportahan ang right-to-left at halo-halong direksyon ng text?
Tatlong layer, mula sa gabay ng W3C:
- Direksyon ng page mula sa locale. I-set ang
dir="rtl"atlang="ar"sahtmlelement para sa Arabic. Sabi ng W3C, huwag gumamit ng CSS para itakda ang base direction, at gumamit ng logical na value (startatend) para sa margin, padding at alignment sa halip na left at right. - Logical na CSS.
margin-inline-startsa halip namargin-left,text-align: startsa halip naleft. Inilalarawan ng MDN ang logical properties bilang pagkontrol sa layout “through logical rather than physical direction” (salin: sa pamamagitan ng lohikal sa halip na pisikal na direksyon). Isang stylesheet na lang ang kailangan para sa dalawang direksyon. - I-isolate ang text na hindi ikaw ang sumulat. May sariling direksyon ang mensahe ng user, sagot ng model, pangalan ng produkto at order code. Ang patakaran ng W3C: kung hindi mo alam ang direksyon ng text na isinisingit habang tumatakbo, lagyan ng
dir="auto"ang elementong nakabalot dito, o ilagay ito sabdielement. Kapag walang isolation, puwedeng tumalon sa maling panig ang English na order code sa dulo ng Arabic na pangungusap, at napupunta sa kakaibang lugar ang bantas.
Sa chat interface, ibig sabihin nito ay dir="auto" sa bawat message bubble, dahil kinukuha ng bawat mensahe ang direksyon nito mula sa unang strong character, at bdi sa paligid ng mga pangalan at code sa loob ng sarili mong interface strings. Kung walang markup (push notification, SMS, CSV export), ang mga isolate ng Unicode Bidirectional Algorithm ang gagawa ng parehong trabaho: U+2068 FIRST STRONG ISOLATE bago ang text at U+2069 POP DIRECTIONAL ISOLATE pagkatapos nito.
May isa pang kaso ang output ng model: Markdown. Puwedeng may kasamang English na code, URL o table cell ang sagot ng model sa Arabic. I-render ang mga code block na may tahasang dir="ltr", at lagyan ng dir="auto" ang bawat talata at table cell.
Paano dapat mag-iba ang numero at petsa kada locale?
Hayaang ang platform ang mag-format, at i-test kung ano talaga ang lumalabas. Pinatakbo namin ang Intl.NumberFormat at Intl.DateTimeFormat sa Node 24.22.1 (ICU 78.3, CLDR 48) para sa 1234.5 at Nobyembre 15, 2026:
| Locale | Numero | Petsa (mahaba) | Direksyon |
|---|---|---|---|
| en-US | 1,234.5 | November 15, 2026 | ltr |
| ar-SA | ١٬٢٣٤٫٥ | ١٥ نوفمبر ٢٠٢٦ | rtl |
| ar-SA-u-nu-latn | 1,234.5 | 15 نوفمبر 2026 | rtl |
| ar-AE | 1,234.5 | 15 نوفمبر 2026 | rtl |
| es-ES | 1234,5 | 15 de noviembre de 2026 | ltr |
| es-MX | 1,234.5 | 15 de noviembre de 2026 | ltr |
Apat na dapat pansinin. Magkakaiba ang digit ng mga Arabic na locale: Arabic-Indic ang default ng Saudi, Western ang sa UAE, at inililipat ng -u-nu-latn extension (tingnan ang numberingSystem sa MDN) ang isang locale sa Western na digit. Nag-iiba ang Spanish ayon sa rehiyon: kuwit ang decimal sa Spain at, sa numerong apat na digit, walang thousands separator; tuldok naman sa Mexico. Nag-iiba rin ang pangalan ng buwan sa buong mundong Arabo: نونبر ang lumabas sa ar-MA para sa Nobyembre, samantalang نوفمبر sa ar-SA. At may kanya-kanyang ICU version ang mga browser, kaya patakbuhin din ang parehong check sa mga target mong browser.
Sumusunod ang plural sa mga rule ng CLDR: anim na kategorya ang ibinalik ng Intl.PluralRules para sa ar para sa 0, 1, 2, 3, 11 at 100 (zero, one, two, few, many, other), samantalang one at other lang ang ibinalik ng English at Spanish para sa mga numerong iyon. Ang panig nito sa strings ay nasa post tungkol sa app strings.
Sa input, tanggapin ang dalawang anyo ng digit. Puwedeng mag-type ang user ng ١٢٣٤ sa quantity field; i-normalize ito sa ASCII na digit bago i-parse, at bago magpadala ng numero sa model kung naghahambing ng numero ang mga prompt mo.
Kaya bang i-detect ang wika ng bawat mensahe?
Bahagya. Madali at maaasahan ang pagkilala sa Arabic na script laban sa Latin: bilangin ang mga character sa Arabic Unicode block. Pero para makilala ang English sa Spanish, o para mabasa ang napakaikling mensahe, kailangan ng trained na model. Naglalathala ang fastText ng dalawang language-identification model para sa 176 na wika (lid.176.bin, 126 MB, at ang compressed na lid.176.ftz, 917 kB).
Narito ang maliit na helper module para sa mga desisyon sa itaas. Sadyang simple ang detector, para makita kung saan pumapalya ang simple.
// UI locale and content language are separate values. Never derive one from the other silently.
const RTL = new Set(['ar', 'he', 'fa', 'ur']);
/** Rough script-based guess: enough to pick a direction and a prompt, not a language-ID model. */
export function guessLanguage(text) {
const arabic = (text.match(/[-ۿݐ-ݿ]/g) || []).length;
const latin = (text.match(/[A-Za-zÀ-ÿ]/g) || []).length;
if (arabic + latin < 3) return 'und';
if (arabic / (arabic + latin) > 0.6) return 'ar';
if (arabic / (arabic + latin) > 0.2) return 'mixed';
return /[ñ¿¡áéíóú]|\b(el|la|los|las|de|que|por|para|está|dónde)\b/i.test(text) ? 'es' : 'en';
}
/** Wrap user or model text for display inside UI text of either direction (W3C: bdi / dir="auto"). */
export const isolate = (s) => `<bdi>${s.replace(/[&<>"]/g, (c) => ({ '&': '&', '<': '<', '>': '>', '"': '"' })[c])}</bdi>`;
/** Plain-text equivalent for places with no markup (notifications, CSV, SMS): FSI ... PDI. */
export const isolateText = (s) => `${s}`;
export function formatters(uiLocale) {
return {
dir: RTL.has(new Intl.Locale(uiLocale).language) ? 'rtl' : 'ltr',
number: new Intl.NumberFormat(uiLocale),
date: new Intl.DateTimeFormat(uiLocale, { dateStyle: 'long', timeZone: 'UTC' }),
plural: new Intl.PluralRules(uiLocale),
};
}
/** Normalise digits a user typed before parsing: Arabic-Indic and Persian to ASCII. */
export const toAsciiDigits = (s) =>
s.replace(/[٠-٩]/g, (d) => d.charCodeAt(0) - 0x0660).replace(/[۰-۹]/g, (d) => d.charCodeAt(0) - 0x06F0);
/** System prompt: the answer language comes from the content, or the user's explicit choice, not the UI. */
export function systemPrompt({ answerLanguage }) {
const name = { ar: 'Arabic', en: 'English', es: 'Spanish' }[answerLanguage] ?? 'the language of the user\'s message';
return `Answer in ${name}. Keep product names, code, URLs and numbers exactly as written.`;
}
Pinatakbo namin ito sa Node 24. Na-label nito ang وين طلبي؟ bilang ar, ang “¿Dónde está mi pedido?” bilang es, ang “Where is my order?” bilang en, at ang Arabic na pangungusap na may code na ORD-5521 bilang ar. und ang ibinalik para sa “ok”, na tama namang bumabagsak sa “the language of the user’s message” sa prompt. At ang “ana 3ayez a3raf el order fen”, Egyptian Arabic sa Latin na letra (Arabizi), ay bumalik bilang es, dahil mukhang Spanish ang salitang “el”. Iyan ang tapat na resulta para sa isang heuristic. Kung nagsusulat ng Arabizi ang mga user mo, i-detect ito nang tahasan at ituring itong Arabic, gaya ng sa paghawak ng Arabizi, at hayaang maitama ng user ang wika ng sagot sa isang tap.
Ginawang 2026-11-15 ng digit helper ang ٢٠٢٦-١١-١٥, at in-escape muna ng isolate() ang HTML bago ibalot, kaya hindi makakapag-inject ng markup ang pangalan ng kompanya na gaya ng Acme <Ltd>.
Ano pa ang nagbabago kapag nagbago ang wika?
- Haba ng text. Kadalasang mas mahaba ang naisaling interface text. Binanggit ng W3C ang mga guideline ng IBM na umaasang ang English na string na hanggang 10 character ay lalaki sa 200–300% ng haba nito sa mga wikang European, at ang string na lampas 70 character ay sa mga 130%. I-design ang mga button at label para mag-wrap, at i-test ang Spanish na build sa makikitid na lapad.
- Font. Pumili ng font family na may katugmang Arabic na design, at tingnan ang line height ng Arabic: kailangan ng espasyo ng mga diacritic sa itaas at ibaba.
- Search at matching. Kailangang i-normalize ang Arabic na text bago i-match (diacritic, anyo ng alef, tatweel). Ipinapakita ng Arabic text normalizer ang bawat rule.
- Speech. Piliin ang transcription model ayon sa wika ng audio, hindi ng interface. Naglilista ang BroadNet ng isang Arabic na model at isang 14-wikang model na sumasaklaw sa English, Spanish at Arabic; sabi ng page ng multilingual model nito, piliin ang Arabic na model para sa Arabic na audio. Inihahambing ng post na multilingual speech-to-text ang mga opsyon.
- Dialect. Hindi iisang target ang “Arabic”. Magkakaiba ang pagsulat ng mga user sa Riyadh, Cairo at Casablanca; nasa Gulf at Egyptian dialect kung ano ang dapat i-test.
Paano mag-evaluate at mag-budget kada wika?
Nang hiwalay. Itinatago ng iisang pinagsamang score ang mahinang wika, at itinatago ng iisang pinagsamang budget ang mahal na wika.
Gumawa ng maliit na evaluation set kada wika mula sa totoong mga mensahe, at ipa-label sa mga native speaker ang inaasahang sagot. Tingnan kung nasa hiniling na wika ang sagot, kung hindi nagbago ang mga pangalan, numero at code, at kung pareho ang kalidad sa bawat dialect na pinagsisilbihan mo. Patakbuhin ulit ang parehong set kapag nagpalit ka ng model o prompt; nasa pag-evaluate ng LLM bago lumipat ang paraan.
Para sa gastos, nag-iiba ang bilang ng token ayon sa wika at tokenizer. Sa sinukat na dataset ng BroadRouter, ang parehong Modern Standard Arabic na text ay nangangailangan ng 1.31× (Qwen3.8 27B) hanggang 1.77× (GLM 5.3) ng token ng English na salin nito. Ginagawang pera kada model ng totoong gastos kada wika ang mga bilang na iyon, kasama ang Spanish, at sinusukat ng Arabic token counter ang sarili mong text. I-log ang token kada request kasama ang wika ng content, at makikita mo ang gastos kada wika kada user, hindi lang kada buwan.
Panghuli, magpa-review sa native speaker bago mag-launch. Parehong gumagawa ang machine translation at ang output ng model ng Arabic at Spanish na tama ang grammar pero mali para sa audience mo. Ang reviewer na gumagamit ng produkto sa sarili niyang wika ang makakahuli ng hindi kayang mahuli ng anumang test.
Saan pumapasok ang BroadNet Inference
Ang BroadRouter ay sariling website ng BroadNet. Makatwirang bagay ang mga model ng BroadNet Inference sa produktong Arabic, English at Spanish: iniulat ng BroadNet na sinubukan nito ang Qwen3.8 27B sa Arabic, kasama ang pag-unawa sa Gulf at Egyptian na dialect; tumatakbo ang Gemma 4 VL 26B sa $5 na panimulang credit; at sinasaklaw ng transcription ang Arabic (BroadNet Transcribe Arabic, $0.0042 kada minuto) at 14 na wika kasama ang English at Spanish (BroadNet Transcribe, $0.002 kada minuto). Hindi itinatago ang inference content; itinatago ang kinakailangang metadata ng account, billing at seguridad ayon sa privacy statement ng BroadNet. Lahat ng nasa post na ito tungkol sa layout, direksyon, formatting at detection ay trabaho ng application mo, anumang API ang gamitin mo.
