---
title: "अरबी डायक्रिटिक्स (tashkeel) क्या हैं? हरकात समझें | BroadRouter"
description: "अरबी डायक्रिटिक्स (tashkeel) वैकल्पिक स्वर और शद्दा चिह्न हैं। Unicode में ये कौन-से चिह्न हैं, टेक्स्ट इन्हें क्यों छोड़ता है, और LLM, सर्च व टोकन पर असर।"
url: https://broadrouter.com/hi/glossary/arabic-diacritics/
lang: hi
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

यह पेज अंग्रेज़ी से AI की मदद से अनुवाद किया गया है। [अंग्रेज़ी मूल पढ़ें](https://broadrouter.com/glossary/arabic-diacritics/) (2026-11-15 को अपडेट किया गया).

# अरबी डायक्रिटिक्स (tashkeel)

अपडेट किया गया 2026-11-15

अरबी डायक्रिटिक्स, या tashkeel, अक्षरों के ऊपर या नीचे लगने वाले छोटे चिह्न हैं जो छोटे स्वर, दोहरे व्यंजन और स्वर के न होने को दिखाते हैं। ये वैकल्पिक हैं: ख़बरों समेत ज़्यादातर अरबी टेक्स्ट इन्हें छोड़ देता है, इसलिए पाठक और सॉफ़्टवेयर संदर्भ से स्वर का अंदाज़ा लगाते हैं।

अन्य नाम: अरबी डायक्रिटिक्स, तशकील, हरकात, अरबी मात्राएँ, arabic diacritics kya hai, tashkeel kya hai, tashkeel, tashkil, harakat, diacritization, Arabic diacritization, diacritics, vowel marks

वही तीन अरबी अक्षर “उसने लिखा”, “किताबें” या “लिखा गया” का मतलब दे सकते हैं। इनमें फ़र्क़ डायक्रिटिक्स से होता है, और ज़्यादातर टेक्स्ट इन्हें लिखता ही नहीं।

## यह कैसे काम करता है

Unicode Standard इन चिह्नों को tashkil कहता है और लिखता है कि ये “may be written as combining marks” (अनुवाद: combining marks के रूप में लिखे जा सकते हैं), फिर जोड़ता है: “In normal writing, however, these marks are omitted.” (अनुवाद: लेकिन सामान्य लेखन में ये चिह्न छोड़ दिए जाते हैं।) हरकात छोटे स्वरों वाले उपसमूह का नाम है। हर चिह्न अपना अलग combining कैरेक्टर है, जो उस अक्षर के बाद आता है जिस पर वह लगता है। मुख्य चिह्न U+064B से U+0652 की रेंज में हैं:

| कोड पॉइंट | नाम | काम |
| --- | --- | --- |
| U+064E | FATHA | छोटा a |
| U+064F | DAMMA | छोटा u |
| U+0650 | KASRA | छोटा i |
| U+064B से U+064D | FATHATAN, DAMMATAN, KASRATAN | तनवीन (-an, -un, -in अंत) |
| U+0651 | SHADDA | दोहरा व्यंजन |
| U+0652 | SUKUN | कोई स्वर नहीं |

बिना चिह्न वाले शब्द كتب के साथ एक उदाहरण:

-   كَتَبَ (kataba), “उसने लिखा”
-   كُتُب (kutub), “किताबें”
-   كُتِبَ (kutiba), “लिखा गया”

चिह्नों के बिना तीनों एक ही स्ट्रिंग हैं। पाठक वाक्य से मतलब चुनता है। सॉफ़्टवेयर को भी यही करना पड़ता है, और यह काम diacritizer का है। Zerrouki और Balla (2017) ने Tashkeela कॉर्पस बनाया, लगभग 75.6 मिलियन शब्द, ज़्यादातर क्लासिकल अरबी, क्योंकि पूरी हरकात वाला टेक्स्ट दुर्लभ है और diacritizer को ट्रेनिंग के लिए इसकी ज़रूरत होती है। Fadel और साथी (2019) ऐसे न्यूरल diacritization मॉडल बताते हैं जो एक सार्वजनिक बेंचमार्क पर पहले के काम के बराबर या उससे बेहतर हैं, और दिखाते हैं कि डायक्रिटिक्स मशीन ट्रांसलेशन में मदद कर सकते हैं।

लाइब्रेरी इन चिह्नों को एक सेट मानती हैं। CAMeL Tools के `AR_DIAC_CHARSET` में U+064B से U+0652 और U+0670 (superscript alef) हैं, और उसका `dediac_ar` फ़ंक्शन इन्हें हटाता है।

## यह क्यों मायने रखता है

-   **सर्च और मिलान।** चिह्नों के साथ और बिना टाइप किया गया एक ही शब्द अलग स्ट्रिंग है। [अरबी टेक्स्ट नॉर्मलाइज़ेशन](https://broadrouter.com/hi/glossary/arabic-text-normalization/) के हिस्से के रूप में इन्हें सर्च key से हटाएँ, वरना exact मैच फ़ेल होंगे।
-   **टोकन।** हर चिह्न [tokenizer](https://broadrouter.com/hi/glossary/tokenizer/) के लिए एक अतिरिक्त कैरेक्टर है। पूरी हरकात वाला टेक्स्ट बिना चिह्न वाले टेक्स्ट से साफ़ तौर पर ज़्यादा टोकन लेता है; मापे गए अनुपात के लिए [diacritization गाइड](https://broadrouter.com/hi/blog/arabic-diacritization-llm/) और बेसलाइन के लिए [अरबी में प्रति शब्द टोकन](https://broadrouter.com/hi/blog/tokens-per-word-arabic-english/) देखें।
-   **स्पीच और मूल्यांकन।** ट्रांसक्रिप्ट आम तौर पर बिना चिह्नों के आते हैं। दोनों टेक्स्ट से डायक्रिटिक्स हटाने के बाद [word error rate](https://broadrouter.com/hi/glossary/word-error-rate/) निकालें, वरना एक अतिरिक्त fatha वाला सही शब्द भी ग़लती गिना जाएगा।
-   **कब ज़रूरत होती है।** टेक्स्ट-टू-स्पीच, भाषा सिखाना, क़ुरआनी और काव्य टेक्स्ट, और ऐसे नाम जो स्वरों के बिना अस्पष्ट हों।

## BroadNet Inference पर

BroadNet के पास कोई diacritization एंडपॉइंट नहीं है। चैट मॉडल tashkeel को POST /v1/chat/completions के ज़रिए सामान्य टेक्स्ट की तरह लेते हैं, इसलिए आप [Qwen3.8 27B](https://broadrouter.com/hi/models/qwen3.8-27b/) जैसे मॉडल से चिह्न लगाने या हटाने को कह सकते हैं। सुरक्षित तरीक़ा है जवाब को कोड में जाँचना: डायक्रिटिक्स हटाएँ और अपने इनपुट से अक्षर-दर-अक्षर मिलाएँ। [LLM diacritization पोस्ट](https://broadrouter.com/hi/blog/arabic-diacritization-llm/) में प्रॉम्प्ट और जाँच दोनों हैं।

हटाने के लिए मॉडल का इस्तेमाल बिल्कुल न करें। U+064B से U+0652 पर एक छोटा regex तेज़, मुफ़्त और सटीक है। [अरबी टेक्स्ट नॉर्मलाइज़र](https://broadrouter.com/tools/arabic-text-normalizer/) ब्राउज़र में इसका असर दिखाता है।

## अक्सर पूछे जाने वाले सवाल

### क्या अरबी टेक्स्ट को इंडेक्स करने से पहले डायक्रिटिक्स हटा देने चाहिए?

कीवर्ड सर्च के लिए आम तौर पर हाँ, लेकिन सिर्फ़ सर्च key से। Tashkeela के लेखक बताते हैं कि ज़्यादातर सर्च इंजन डायक्रिटिक्स को नज़रअंदाज़ करते हैं। दिखाने के लिए और LLM के लिए मूल टेक्स्ट रखें।

### डायक्रिटिक्स वाले अरबी टेक्स्ट पर ज़्यादा टोकन क्यों लगते हैं?

हर चिह्न एक अलग Unicode कैरेक्टर है, इसलिए पूरी हरकात वाले शब्द में tokenizer को बाँटने के लिए ज़्यादा कैरेक्टर मिलते हैं। tashkeel जोड़ने से पहले और बाद अपने टेक्स्ट को किसी टोकन काउंटर से गिनें।

### क्या LLM भरोसे से डायक्रिटिक्स लगा सकता है?

लगा तो सकता है, पर अक्षर भी बदल सकता है। जवाब से चिह्न हटाकर उसे इनपुट से मिलाएँ; जिस जवाब में कोई अक्षर बदला हो, उसे ख़ारिज करें।

## यह भी देखें

-   [अरबी टेक्स्ट नॉर्मलाइज़ेशन (Arabic text normalization)](https://broadrouter.com/hi/glossary/arabic-text-normalization/) (शब्द)
-   [हम्ज़ा (hamza)](https://broadrouter.com/hi/glossary/hamza/) (शब्द)
-   [Unicode नॉर्मलाइज़ेशन (Unicode normalization)](https://broadrouter.com/hi/glossary/unicode-normalization/) (शब्द)
-   [टोकनाइज़र (tokenizer)](https://broadrouter.com/hi/glossary/tokenizer/) (शब्द)
-   [वर्ड एरर रेट (WER)](https://broadrouter.com/hi/glossary/word-error-rate/) (शब्द)
-   [मानक आधुनिक अरबी (Modern Standard Arabic, MSA)](https://broadrouter.com/hi/glossary/msa/) (शब्द)
-   [LLM से अरबी टेक्स्ट में हरकतें (तश्कील) लगाना: प्रॉम्प्ट, जाँच, DER](https://broadrouter.com/hi/blog/arabic-diacritization-llm/) (लेख)
-   [सर्च और RAG के लिए अरबी टेक्स्ट normalization: क्या बदलें, क्या नहीं](https://broadrouter.com/hi/blog/arabic-text-normalization-search/) (लेख)
-   [अरबी बनाम अंग्रेज़ी में प्रति शब्द टोकन: अरबी महँगी क्यों पड़ती है](https://broadrouter.com/hi/blog/tokens-per-word-arabic-english/) (लेख)

इसे अपने असली वर्कलोड पर आज़माएँ। नए अकाउंट Gemma और ट्रांसक्रिप्शन के लिए US$5 के क्रेडिट से शुरू होते हैं। DeepSeek, GLM, और Qwen3.8 के लिए टॉप-अप ज़रूरी है।

[शुरू करें](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-glossary-arabic-diacritics&utm_content=page-cta) ·

**स्रोत**

-   [The Unicode Standard 18.0, अध्याय 9 Middle East-I, अरबी (tashkil, combining marks) (जाँच: 2026-11-15)](https://www.unicode.org/versions/Unicode18.0.0/core-spec/chapter-9/)
-   [Fadel, Tuffaha, Al-Jawarneh और Al-Ayyoub, Neural Arabic Text Diacritization: State of the Art Results and a Novel Approach for Machine Translation (WAT 2019, ACL Anthology) (जाँच: 2026-11-15)](https://aclanthology.org/D19-5229/)
-   [Zerrouki और Balla, Tashkeela: Novel corpus of Arabic vocalized texts (Data in Brief, 2017) (जाँच: 2026-11-15)](https://pmc.ncbi.nlm.nih.gov/articles/PMC5310197/)
-   [CAMeL Tools सोर्स कोड, camel\_tools.utils.charsets (AR\_DIAC\_CHARSET) (जाँच: 2026-11-15)](https://raw.githubusercontent.com/CAMeL-Lab/camel_tools/master/camel_tools/utils/charsets.py)
