Ganito mag-type sa phone ang maraming nagsasalita ng Arabic: mga salitang Arabic, Latin na keyboard, at ilang numero para sa mga tunog na kulang.
Paano ito gumagana
Inilalarawan ni Darwish (2014) ang Arabizi, na tinatawag ding Arabish o Franco-Arab, bilang Arabic sa transliterated na Latin form na gumagamit ng numero para sa mga titik na wala sa English: “2” at “3” ang pumapalit sa tunog ng hamza at sa ع. Lumaganap ito dahil hindi kayang ipakita ng mga lumang browser at phone ang Arabic script. Nananatili ito dahil sanay na ang mga tao at mas mabilis silang mag-type sa English na keyboard.
Tatlong katangian ang nagpapahirap dito sa software:
- Walang standard na spelling. Ayon kina Shazal, Usman at Habash (2020), dialectal Arabic ang Arabizi sa social media, na walang standard na orthography, at hindi one-to-one ang mapping nito sa Arabic script.
- Hinahaluan ng English o French. Pinaghahalo ng mensaheng gaya ng
w aletli Tuesday(“at sinabi niya sa akin, Tuesday”) ang dalawa, na tinatawag na code-switching. - Detection muna. Kailangan munang tukuyin ng software kung aling mga salita ang Arabizi bago i-convert ang mga ito. Iniulat ni Darwish ang 98.5% na accuracy sa detection at 88.7% sa conversion gamit ang klasikong pipeline; umaabot sa 80.6% word accuracy sa blind test set para sa joint task ang sequence-to-sequence model noong 2020.
Sa mga LLM API, iba rin ang asal ng Arabizi kaysa sa Arabic script pagdating sa tokenizer, dahil Latin text ito na isinulat sa paraang bihirang nakita ng vocabulary.
Bakit ito mahalaga
Kung may chatbot, search o analytics ka sa Gulf, Egypt o Levant, may mga user kang magta-type ng Arabizi. Hindi mahuhuli ng keyword search, intent rules at sentiment tool na ginawa para sa Arabic script ang mga mensaheng iyon. Karaniwang solusyon ang ipa-convert sa LLM ang Arabizi tungo sa Arabic script, nakabanggit ang dialect, bago i-route o i-index, at itago ang orihinal na text. Ipinapaliwanag ng gabay sa paghawak ng Arabizi ang mga prompt at ang pagpili ng script ng sagot.
Sa BroadNet Inference
Walang feature ang BroadNet na para lang sa Arabizi; ordinaryong text ito para sa mga chat model. Iniulat ng BroadNet na sinubukan nito ang Qwen3.8 27B sa Arabic at naintindihan ang mga dialect na Gulf at Egyptian, na magandang simula para sa mga Arabizi test. Tingnan ang Gulf at Egyptian dialects sa LLM.
Hiwalay na kaso ang speech. Nagbababala ang docs ng BroadNet na kapag walang language, puwedeng ma-transliterate sa Latin na titik ang Arabic audio. Mukhang Arabizi ang output na iyon pero galing ito sa request, hindi sa nagsasalita. Ipadala ang language=ar sa BroadNet Transcribe Arabic.