BroadRouter

Arabizi (अरबीज़ी)

अपडेट किया गया

Arabizi लैटिन अक्षरों में अनौपचारिक रूप से लिखी गई अरबी है, जिसमें उन अरबी ध्वनियों के लिए अंक लगते हैं जिनका लैटिन में कोई बराबर अक्षर नहीं, जैसे ع के लिए 3। यह चैट और सोशल मीडिया में आम है, ज़्यादातर बोलचाल की होती है, इसकी तय वर्तनी नहीं, और यह अक्सर अंग्रेज़ी या फ़्रेंच से मिली होती है।

अन्य नाम: अरबीज़ी, रोमन अरबी, arabizi kya hai, franco arabic kya hai, Franco-Arabic, Franco-Arab, Arabish, Arabic chat alphabet, Franco Arabic

Arabizi वह तरीक़ा है जिससे बहुत-से अरबी बोलने वाले फ़ोन पर टाइप करते हैं: अरबी शब्द, लैटिन कीबोर्ड, और गायब ध्वनियों के लिए कुछ अंक।

यह कैसे काम करता है

Darwish (2014) Arabizi को, जिसे Arabish या Franco-Arab भी कहते हैं, लैटिन रूप में transliterate की गई अरबी बताते हैं, जो उन अक्षरों के लिए अंक इस्तेमाल करती है जो अंग्रेज़ी में नहीं हैं: “2” और “3” hamza ध्वनि और ع के लिए हैं। यह इसलिए पनपी क्योंकि पुराने ब्राउज़र और फ़ोन अरबी लिपि नहीं दिखा पाते थे। यह आज भी इसलिए है क्योंकि लोग इसके आदी हैं और अंग्रेज़ी कीबोर्ड पर तेज़ टाइप करते हैं।

तीन बातें इसे सॉफ़्टवेयर के लिए मुश्किल बनाती हैं:

  • कोई तय वर्तनी नहीं। Shazal, Usman और Habash (2020) बताते हैं कि सोशल मीडिया की Arabizi बोलचाल की अरबी है, जिसकी कोई मानक वर्तनी नहीं, और अरबी लिपि में उसकी मैपिंग एक-से-एक नहीं है।
  • अंग्रेज़ी या फ़्रेंच के साथ मिली हुई। w aletli Tuesday (“और उसने मुझे Tuesday बताया”) जैसा मैसेज दोनों को मिलाता है, जो code-switching है।
  • पहले पहचान। बदलने से पहले सॉफ़्टवेयर को तय करना होता है कि कौन-से शब्द Arabizi हैं। Darwish एक क्लासिक पाइपलाइन से 98.5% पहचान सटीकता और 88.7% रूपांतरण सटीकता बताते हैं; 2020 का sequence-to-sequence मॉडल संयुक्त टास्क के blind टेस्ट सेट पर 80.6% शब्द सटीकता तक पहुँचता है।

LLM API के लिए, tokenizer में Arabizi अरबी लिपि से अलग बर्ताव करती है, क्योंकि यह ऐसी वर्तनी वाला लैटिन टेक्स्ट है जो शब्दावली ने कम ही देखा है।

यह क्यों मायने रखता है

अगर आप खाड़ी, मिस्र या लेवांत में चैटबॉट, सर्च या एनालिटिक्स चलाते हैं, तो आपके कुछ यूज़र Arabizi में टाइप करेंगे। अरबी लिपि के लिए बने कीवर्ड सर्च, intent नियम और sentiment टूल वे मैसेज चूक जाएँगे। एक आम हल है रूटिंग या इंडेक्सिंग से पहले LLM से बोली का नाम देकर Arabizi को अरबी लिपि में बदलवाना, और मूल टेक्स्ट रखना। Arabizi हैंडलिंग गाइड प्रॉम्प्ट और जवाब की लिपि के विकल्प समझाती है।

BroadNet Inference पर

BroadNet के पास Arabizi के लिए कोई ख़ास फ़ीचर नहीं; चैट मॉडल इसे सामान्य टेक्स्ट की तरह लेते हैं। BroadNet बताता है कि उसने Qwen3.8 27B को अरबी में टेस्ट किया और वह खाड़ी और मिस्री बोलियाँ समझता है, जो Arabizi टेस्ट के लिए एक शुरुआत है। LLM के साथ खाड़ी और मिस्री बोलियाँ देखें।

स्पीच अलग मामला है। BroadNet के डॉक्स चेतावनी देते हैं कि language के बिना अरबी ऑडियो लैटिन अक्षरों में transliterate हो सकता है। वह आउटपुट Arabizi जैसा दिखता है, लेकिन बोलने वाले से नहीं, अनुरोध से आता है। BroadNet Transcribe Arabic को language=ar भेजें।

अक्सर पूछे जाने वाले सवाल

Arabizi में अंक क्यों इस्तेमाल होते हैं?

अरबी में कुछ ध्वनियाँ और अक्षर हैं जिनका लैटिन में कोई बराबर नहीं, इसलिए लिखने वाले ऐसे अंक उधार लेते हैं जो अरबी अक्षर जैसे दिखते हैं। Darwish (2014) उदाहरण के तौर पर hamza ध्वनि के लिए 2 और ع के लिए 3 बताते हैं।

क्या LLM Arabizi पढ़ सकते हैं?

अक्सर हाँ, लेकिन वर्तनी इतनी बदलती है कि नतीजे असमान रहते हैं, और अरबी लिपि में बदलाव हर रन में अलग हो सकता है। अपने यूज़र्स के असली मैसेज से टेस्ट करें और प्रॉम्प्ट में बोली का नाम लिखें।

मेरा अरबी ट्रांसक्रिप्ट लैटिन अक्षरों में आया। क्या यह Arabizi है?

नहीं। यह स्पीच मॉडल का transliteration है, क्योंकि अनुरोध में नहीं बताया गया था कि ऑडियो अरबी है। BroadNet पर language=ar भेजें।

Markdown में पढ़ेंChatGPT से पूछेंClaude से पूछेंPerplexity से पूछें