---
title: "Multilingual AI product design: Arabic, English, Spanish"
description: "Pag-design ng AI product para sa Arabic, English at Spanish: UI locale vs wika ng model, RTL at halo-halong text, numero, petsa, detection at gastos."
url: https://broadrouter.com/fil/blog/multilingual-product-design/
lang: fil
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Isinalin mula sa Ingles sa tulong ng AI. [Basahin ang orihinal sa Ingles](https://broadrouter.com/blog/multilingual-product-design/) (na-update noong 2026-11-15).

# Paano mag-design ng AI product para sa maraming wika

Ng BroadNet Inference team · 7 minutong basa · Nailathala 2026-11-15

Mag-imbak ng dalawang setting: ang locale ng interface at ang wika ng content, at huwag hulaan ang isa mula sa isa. Itakda ang direksyon mula sa locale, i-isolate ang text ng user at ng model gamit ang dir="auto" o bdi, i-format ang numero at petsa ayon sa locale, i-normalize ang mga digit sa input, ituring na pahiwatig lang ang language detection, at sukatin ang kalidad at gastos kada wika.

## Mga pangunahing punto

-   Magkaibang setting ang locale ng interface at ang wika ng model. Puwedeng magsilbi ng English na mensahe ang Arabic na interface, at puwedeng mag-upload ng Arabic na invoice ang Spanish na user.
-   Itakda ang dir ng page mula sa locale, gumamit ng CSS logical properties, at ilagay ang anumang text na hindi ikaw ang sumulat (input ng user, output ng model, mga pangalan) sa elementong naka-isolate ang direksyon.
-   Hayaang ang Intl ang mag-format ng numero at petsa. Sa test namin sa Node 24, ١٬٢٣٤٫٥ ang lumabas sa ar-SA at 1,234.5 sa ar-AE para sa iisang numero; 1234,5 naman sa es-ES, walang thousands separator.
-   Pahiwatig lang ang language detection na batay sa script. Na-label ng simpleng detector namin ang Arabizi bilang Spanish.
-   Mag-evaluate at mag-budget kada wika: puwedeng magkaiba ang bilang ng token na kailangan ng iisang content sa Arabic, English at Spanish.

**Sa page na ito**

1.  Bakit dapat magkahiwalay ang locale ng interface at ang wika ng model?
2.  Paano susuportahan ang right-to-left at halo-halong direksyon ng text?
3.  Paano dapat mag-iba ang numero at petsa kada locale?
4.  Kaya bang i-detect ang wika ng bawat mensahe?
5.  Ano pa ang nagbabago kapag nagbago ang wika?
6.  Paano mag-evaluate at mag-budget kada wika?
7.  Saan pumapasok ang BroadNet Inference

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](https://broadrouter.com/fil/blog/translate-app-strings-to-arabic-llm/); ang pagkakasulat ng prompt ay nasa [Arabic prompt engineering](https://broadrouter.com/fil/blog/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](https://broadrouter.com/fil/glossary/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 ang `language` sa 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:

1.  **Direksyon ng page mula sa locale.** I-set ang `dir="rtl"` at `lang="ar"` sa `html` element para sa Arabic. Sabi ng W3C, huwag gumamit ng CSS para itakda ang base direction, at gumamit ng logical na value (`start` at `end`) para sa margin, padding at alignment sa halip na left at right.
2.  **Logical na CSS.** `margin-inline-start` sa halip na `margin-left`, `text-align: start` sa halip na `left`. 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.
3.  **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 sa `bdi` element. 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](https://broadrouter.com/fil/blog/translate-app-strings-to-arabic-llm/).

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.

```javascript
// 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) => ({ '&': '&amp;', '<': '&lt;', '>': '&gt;', '"': '&quot;' })[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](https://broadrouter.com/fil/glossary/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](https://broadrouter.com/fil/blog/arabizi-llm-handling/), 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](https://broadrouter.com/tools/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](https://broadrouter.com/fil/blog/multilingual-speech-to-text-api/) 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](https://broadrouter.com/fil/blog/arabic-llm-gulf-egyptian-dialects/) 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](https://broadrouter.com/fil/blog/evaluate-llm-before-switching/) 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](https://broadrouter.com/data/real-cost-by-language/) ang mga bilang na iyon, kasama ang Spanish, at sinusukat ng [Arabic token counter](https://broadrouter.com/tools/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](https://broadrouter.com/fil/models/qwen3.8-27b/) sa Arabic, kasama ang pag-unawa sa Gulf at Egyptian na dialect; tumatakbo ang [Gemma 4 VL 26B](https://broadrouter.com/fil/models/gemma-4-vl-26b/) sa $5 na panimulang credit; at sinasaklaw ng transcription ang Arabic ([BroadNet Transcribe Arabic](https://broadrouter.com/fil/models/cohere-transcribe-arabic/), $0.0042 kada minuto) at 14 na wika kasama ang English at Spanish ([BroadNet Transcribe](https://broadrouter.com/fil/models/cohere-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.

Mga libreng tool para rito (Ingles)

-   [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.

[Libreng tools (Ingles)](https://broadrouter.com/tools/)

## Mga termino sa artikulong ito

[Right-to-left (RTL) text](https://broadrouter.com/fil/glossary/rtl-text/)

Ang right-to-left (RTL) text ay pagsulat, gaya ng Arabic o Hebrew, na ipinapakita mula kanan pakaliwa. Iniimbak ito ng computer sa lohikal na pagkakasunod ng pagbasa, at ang Unicode Bidirectional Algorithm ang nagpapasya ng ayos sa screen kapag nahahalo ang RTL text sa left-to-right text, numero, pangalan ng model o code.

[Modern Standard Arabic (MSA)](https://broadrouter.com/fil/glossary/msa/)

Ang Modern Standard Arabic (MSA) ay ang standardized na anyo ng Arabic na ginagamit sa pagsulat, balita, edukasyon at pormal na pananalita sa buong mundong Arabo. Hindi ito katutubong pang-araw-araw na wika ninuman: mga rehiyonal na dialect gaya ng Egyptian o Gulf Arabic ang sinasalita, at lumilipat sa MSA sa pormal na sitwasyon.

[Speech-to-text (STT)](https://broadrouter.com/fil/glossary/speech-to-text/)

Ang speech-to-text, na tinatawag ding automatic speech recognition (ASR), ay teknolohiyang ginagawang nakasulat na text ang binigkas na audio. Tumatanggap ang speech-to-text API ng audio file o stream at nagbabalik ng transcript, kadalasang may presyo kada minuto ng audio. Sinusukat ang accuracy gamit ang word error rate, at nag-iiba ito ayon sa accent, dialect at kalidad ng recording.

[Arabizi](https://broadrouter.com/fil/glossary/arabizi/)

Ang Arabizi ay Arabic na impormal na isinusulat sa Latin na titik, gamit ang mga numero para sa mga tunog ng Arabic na walang katumbas sa Latin, gaya ng 3 para sa ع. Karaniwan ito sa chat at social media, kadalasang dialect, walang standard na spelling, at madalas na hinahaluan ng English o French.

[Token](https://broadrouter.com/fil/glossary/token/)

Ang token ay ang yunit ng text na binabasa at isinusulat ng isang language model: isang salita, bahagi ng salita, bantas o byte sequence na ginawa ng tokenizer ng model. Sa token binibilang, nililimitahan at kadalasang sinisingil ng mga LLM API ang paggamit.

[Code-switching](https://broadrouter.com/fil/glossary/code-switching/)

Ang code-switching ay ang paggamit ng dalawa o higit pang wika, o ng mga variety ng iisang wika, sa iisang usapan o pangungusap, sa pagsasalita man o pagsulat. Halimbawa nito ang mga nagsasalita ng Arabic na naghahalo ng English sa dialect, o nagpapalipat-lipat sa Modern Standard Arabic at sa dialect nila.

[Tool calling (function calling)](https://broadrouter.com/fil/glossary/tool-calling/)

Ang tool calling, tinatawag ding function calling, ay feature ng LLM API kung saan nagbabalik ang model ng structured na request para magpatakbo ng function na tinukoy ng developer, kasama ang JSON arguments. Ang application ang nagpapatakbo ng function at nagpapadala pabalik ng resulta; hindi kailanman nagpapatakbo ng code ang model mismo.

[AI agent](https://broadrouter.com/fil/glossary/agent/)

Ang AI agent ay isang system kung saan ang language model mismo ang nagdidirekta ng mga hakbang nito tungo sa isang layunin: pinipili nito kung aling tools ang tatawagin, binabasa ang mga resulta at umuulit hanggang makabuo ng huling sagot o maabot ang limit. Workflow naman ang karaniwang tawag sa fixed na script na tumatawag sa model sa takdang punto.

## Mga tanong

### Sa wika ba ng interface o sa wika ng user dapat sumagot ang AI?

Gawing default ang wika ng mensahe ng user, at hayaan siyang palitan ito. Ang locale ng interface ay para lang sa ayos ng screen. Kapag nag-type sa English ang user na naka-Arabic na interface, kadalasan English na sagot ang gusto niya.

### Paano ko ipapakita ang English na text sa loob ng Arabic na chat bubble?

Lagyan ng dir="auto" ang bawat elemento ng mensahe para ang browser ang magtakda ng direksyon mula sa unang strong character, at ilagay sa bdi element ang mga isiningit na pangalan, code at URL. Sa plain text, ipalibot sa kanila ang U+2068 FIRST STRONG ISOLATE at U+2069 POP DIRECTIONAL ISOLATE.

### Dapat bang Arabic-Indic na digit ang makita ng mga Arabic na user?

Depende sa rehiyon at sa mga user mo. Sa test namin sa Node 24, Arabic-Indic na digit ang default ng ar-SA at ar-EG, at Western na digit ang sa ar-AE at ar-MA. Pumili kada locale, magbigay ng setting, at tanggapin ang dalawa sa input sa pag-normalize ng mga digit bago i-parse.

### Paano ko malalaman ang wika ng isang chat message?

Para sa Arabic laban sa Latin na script, sapat ang pagbilang ng mga character sa Arabic Unicode block. Para makilala ang English sa Spanish, o para sa maiikli o halo-halong mensahe, gumamit ng trained na language-ID model gaya ng lid.176 ng fastText, at ituring pa ring pahiwatig lang ang resulta.

### Mas mahal ba ang Arabic kaysa English sa LLM API?

Kadalasan, kada mensahe, dahil maraming tokenizer ang nangangailangan ng mas maraming token para sa parehong Arabic na content. Nakadepende ang ratio sa tokenizer ng model. Sukatin ito sa sarili mong text at mag-budget nang hiwalay kada wika.

## Magbasa pa

-   [Arabic translation ng app strings gamit ang LLM: placeholder, plural](https://broadrouter.com/fil/blog/translate-app-strings-to-arabic-llm/)
-   [Arabic prompt engineering: register, RTL, numeral at halo-halong text](https://broadrouter.com/fil/blog/arabic-prompt-engineering/)
-   [Arabizi at LLM: paghawak ng Franco-Arabic na may numerong 3 at 7](https://broadrouter.com/fil/blog/arabizi-llm-handling/)
-   [Token kada salita sa Arabic vs English: bakit mas mahal ang Arabic](https://broadrouter.com/fil/blog/tokens-per-word-arabic-english/)
-   [Gulf, Egyptian at Levantine Arabic: paano hinaharap ng LLM ang dialect](https://broadrouter.com/fil/blog/arabic-llm-gulf-egyptian-dialects/)
-   [Multilingual speech-to-text API: 14 na wika, iisang endpoint](https://broadrouter.com/fil/blog/multilingual-speech-to-text-api/)
-   [Pagpili ng LLM API para sa Arabic: ano ang dapat i-test](https://broadrouter.com/fil/blog/choosing-an-llm-for-arabic/)
-   [Diacritics sa Arabic text gamit ang LLM: prompt, check at DER](https://broadrouter.com/fil/blog/arabic-diacritization-llm/)
-   [Arabic grammar at spelling correction gamit ang LLM: paano gawin](https://broadrouter.com/fil/blog/arabic-grammar-spelling-correction-llm/)
-   [Gabay: Arabic speech-to-text API: gabay na hakbang-hakbang](https://broadrouter.com/fil/guides/arabic-speech-to-text-api/)
-   [Gabay: Paano gamitin ang OpenAI Node.js SDK sa BroadNet Inference](https://broadrouter.com/fil/guides/openai-node-sdk/)

Subukan ito sa totoong workload mo. May US$5 na panimulang credit ang mga bagong account para sa Gemma at transcription. Kailangan ng top-up para sa DeepSeek, GLM, at Qwen3.8.

[Magsimula](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=fil-blog-multilingual-product-design&utm_content=page-cta) ·

**Mga source**

-   [W3C Internationalization, structural markup at right-to-left na text sa HTML (sinuri noong 2026-11-15)](https://www.w3.org/International/questions/qa-html-dir)
-   [W3C Internationalization, inline markup at bidirectional na text sa HTML: dir="auto", bdi at U+2068 (sinuri noong 2026-11-15)](https://www.w3.org/International/articles/inline-bidi-markup/)
-   [W3C Internationalization, laki ng text sa pagsasalin, kasama ang expansion guidelines ng IBM (sinuri noong 2026-11-15)](https://www.w3.org/International/articles/article-text-size.en)
-   [Unicode Standard Annex #9, Unicode Bidirectional Algorithm: explicit directional isolates (sinuri noong 2026-11-15)](https://www.unicode.org/reports/tr9/)
-   [MDN, CSS logical properties and values (sinuri noong 2026-11-15)](https://developer.mozilla.org/en-US/docs/Web/CSS/CSS_logical_properties_and_values)
-   [MDN, Intl.Locale.prototype.numberingSystem (sinuri noong 2026-11-15)](https://developer.mozilla.org/en-US/docs/Web/JavaScript/Reference/Global_Objects/Intl/Locale/numberingSystem)
-   [Unicode CLDR, chart ng plural rules kada wika (sinuri noong 2026-11-15)](https://www.unicode.org/cldr/charts/latest/supplemental/language_plural_rules.html)
-   [fastText, language identification: mga lid.176 model para sa 176 na wika (sinuri noong 2026-11-15)](https://fasttext.cc/docs/en/language-identification.html)
-   [API reference ng BroadNet Inference: laging ipadala ang language sa transcription (sinuri noong 2026-11-15) (Ingles)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=fil-blog-multilingual-product-design&utm_content=sources)
-   [pricing.json ng BroadNet Inference: mga wika ng transcription kada model (sinuri noong 2026-11-15) (Ingles)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=fil-blog-multilingual-product-design&utm_content=sources)
-   [Pricing page ng BroadNet Inference: Qwen3.8 27B "Tested in Arabic: fluent writing, Gulf and Egyptian dialects understood" (sinuri noong 2026-11-15) (Ingles)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=fil-blog-multilingual-product-design&utm_content=sources)
-   [Model page ng BroadNet, BroadNet Transcribe: "For Arabic audio, choose our Arabic transcription model" (sinuri noong 2026-11-15) (Ingles)](https://www.broadnet.ai/inference/models/cohere-transcribe)
