BroadRouter
Mulai

Bahasa Arab Standar Modern (MSA, Fusha)

Diperbarui

Bahasa Arab Standar Modern (MSA) adalah bentuk baku bahasa Arab yang dipakai dalam tulisan, berita, pendidikan, dan pidato formal di seluruh dunia Arab. MSA bukan bahasa ibu sehari-hari siapa pun: orang berbicara dalam dialek daerah seperti Arab Mesir atau Teluk dan beralih ke MSA dalam situasi formal.

Disebut juga: Bahasa Arab Standar Modern, bahasa Arab fusha, bahasa Arab baku, Fusha, Fus'ha, Modern Standard Arabic, Standard Arabic, al-fusha

Saat orang bilang sebuah model AI “bisa bahasa Arab”, biasanya yang dimaksud adalah model itu menangani Bahasa Arab Standar Modern. Dialek adalah ujian tersendiri.

Cara kerjanya

Bahasa Arab adalah satu keluarga ragam bahasa. Makalah MADAR (Bouamor dkk., 2018) menyatakannya dengan lugas: MSA adalah “the shared language of culture, media, and education from Morocco to Oman” (terjemahan: bahasa bersama untuk budaya, media, dan pendidikan dari Maroko hingga Oman), tetapi “is not the native language of any speaker of Arabic” (terjemahan: bukan bahasa ibu penutur bahasa Arab mana pun). Dialek dikelompokkan secara regional sebagai Mesir, Afrika Utara, Levant, Teluk, dan Yaman, serta secara subregional sebagai Tunisia, Lebanon, Kuwait, Qatar, dan seterusnya. MADAR sendiri mencakup 25 dialek kota di samping MSA.

Dalam praktiknya keduanya bercampur. Di situasi tanpa naskah yang mestinya memakai MSA, seperti talk show TV, penutur berpindah-pindah antara MSA dan dialek mereka. Itulah alih kode, dan shared task alih kode tahun 2014 menemukan bahwa pasangan MSA dan dialek paling sulit dibedakan di tingkat kata, lebih sulit daripada Spanyol-Inggris atau Nepal-Inggris.

MSA Dialek
Di mana berita, buku, sekolah, kontrak, pidato formal rumah, jalan, telepon, pesan suara, chat
Ejaan baku tidak ada ejaan tetap; sering diketik sebagai Arabizi
Data latih korpus tulisan yang besar jauh lebih sedikit, tersebar tidak merata per wilayah

Mengapa penting

  • Kualitas LLM. Sebuah model bisa menulis MSA dengan baik namun tetap meleset pada slang Teluk atau Maghribi. Uji dengan dialek yang dipakai pengguna Anda.
  • Akurasi speech-to-text. Banyak set uji berisi ucapan yang dibacakan atau siaran, sedangkan audio Anda mungkin berupa pesan suara berdialek. Mintalah word error rate per ragam, bukan satu angka untuk bahasa Arab, dan uji dengan rekaman Anda sendiri.
  • Biaya token. Dalam dataset tokenizer kami, pada Qwen3.8 27B Bahasa Arab Standar Modern membutuhkan 1.31× token dibanding kalimat yang sama dalam bahasa Inggris (2,009 kalimat FLORES-200), dan bahasa Arab Teluk 1.21× (set kecil berisi 49 kalimat Tatoeba, jadi angkanya kasar). Gunakan penghitung token bahasa Arab untuk teks Anda sendiri.

Di BroadNet Inference

BroadNet melaporkan telah menguji Qwen3.8 27B untuk penulisan bahasa Arab yang lancar, dengan dialek Teluk dan Mesir dapat dipahami. BroadNet Transcribe Arabic tercantum untuk bahasa Arab termasuk dialek. Untuk audio MSA maupun dialek, kirim language=ar; dokumentasi BroadNet memperingatkan bahwa tanpa parameter itu bahasa Arab bisa kembali dalam huruf Latin. Artikel pengenalan ucapan dialek menjelaskan cara menguji dengan rekaman Anda sendiri.

Pertanyaan umum

Kode bahasa apa yang harus saya kirim untuk audio berdialek?

Kirim ar. Dokumentasi BroadNet meminta language=ar untuk bahasa Arab, dan BroadNet Transcribe Arabic tercantum untuk bahasa Arab termasuk dialek, jadi tidak ada kode terpisah per dialek.

Apakah penutur bahasa Arab memahami MSA?

Penutur yang berpendidikan bisa membaca dan memahaminya, karena MSA adalah bahasa sekolah, buku, dan berita. Dalam percakapan sehari-hari mereka memakai dialek masing-masing.

Apa kode bahasa untuk MSA?

ISO 639-3 mencantumkan Bahasa Arab Standar sebagai arb, bagian dari makrobahasa Arab ara. API speech biasanya memakai kode dua huruf ar untuk semua bahasa Arab.

Baca sebagai MarkdownTanya ChatGPTTanya ClaudeTanya Perplexity