Jawaban bahasa Arab dari model sudah benar, tetapi di layar harganya berada di sisi yang salah dan nama modelnya terpotong dua. Itu masalah bidi, bukan masalah model.
Cara kerjanya
Teks disimpan dalam urutan logis, yaitu urutan saat dibaca dan diketik. UAX #9, Unicode Bidirectional Algorithm, memberi setiap karakter tipe arah dan menghitung urutan tampilan untuk satu baris. Karakter tidak pernah berpindah di memori; yang berubah hanya tampilannya.
Huruf adalah karakter kuat: huruf Arab dari kanan ke kiri, huruf Latin dari kiri ke kanan. Angka dan tanda baca bersifat lemah atau netral dan mengambil posisi dari teks di sekitarnya. Angka Eropa bertipe EN dan angka Arab-Indik bertipe AN, dan UAX #9 mengubah EN menjadi AN setelah huruf Arab.
Contoh string campuran yang umum dari asisten berbahasa Arab:
جرّب النموذج broadnet/qwen3.8-27b على 20 رسالة
Jika ditampilkan dalam konteks kiri-ke-kanan, bagian Arabnya terbaca dari kanan ke kiri tetapi paragrafnya dimulai dari kiri, sehingga kalimat tampil dalam urutan yang salah, dan garis miring, titik, serta angka 20 bisa menempel ke bagian yang salah. Solusinya adalah menetapkan arah dasar, bukan menyusun ulang karakter.
Jika markup tidak tersedia, Unicode menyediakan karakter kontrol yang tidak terlihat:
| Code point | Nama | Kegunaan |
|---|---|---|
| U+200F | RLM, right-to-left mark | Mendorong karakter netral ke arah RTL |
| U+061C | ALM, Arabic letter mark | Sama, untuk konteks Arab |
| U+2067 | RLI, right-to-left isolate | Memulai rentang RTL |
| U+2066 | LRI, left-to-right isolate | Memulai rentang LTR, misalnya ID model |
| U+2068 | FSI, first strong isolate | Mengambil arah dari isinya |
| U+2069 | PDI, pop directional isolate | Mengakhiri isolate apa pun |
UAX #9 menganjurkan isolate alih-alih embedding lama (U+202A sampai U+202C) di dokumen baru, karena embedding terlalu kuat memengaruhi teks di sekitarnya, dan menyatakan bahwa override (U+202D, U+202E) sebaiknya dihindari sebisa mungkin karena alasan keamanan.
Mengapa penting
Di HTML, W3C menyarankan dir="rtl" dipasang pada elemen html jika halamannya RTL, dan tidak menetapkan arah dasar lewat CSS. Untuk teks yang arahnya tidak Anda ketahui, seperti balasan model atau nama pengguna, gunakan dir="auto" atau elemen bdi. W3C mencatat bahwa auto menentukan arah dari karakter kuat pertama, jadi paragraf yang sebagian besar berbahasa Inggris tetapi diawali kata Arab tetap bisa tampil salah.
Masalah yang biasa dialami pengguna API:
- UI chat. Balasan yang di-stream dimulai dalam bahasa Inggris lalu berubah ke bahasa Arab. Pasang
dir="auto"pada setiap pesan, bukan sekali di halaman. - JSON dan log. Output model bisa berisi mark yang tidak terlihat. Nilai seperti
"gulf"tidak akan sama dengan"gulf". Hapus kontrol bidi sebelum membandingkan field output terstruktur. - String UI hasil terjemahan. Placeholder dan nama produk di dalam teks Arab membutuhkan isolate; lihat menerjemahkan string aplikasi ke bahasa Arab.
Di BroadNet Inference
Endpoint chat BroadNet mengembalikan teks Arab sebagai teks biasa dalam respons JSON, seperti API yang kompatibel dengan OpenAI lainnya, dan BroadNet tidak punya fitur tampilan atau bidi. Arah teks adalah tugas front end Anda. Jika Anda juga menormalkan teks untuk pencarian, hapus kontrol bidi dalam langkah yang sama dengan normalisasi Unicode, karena NFC dan NFKC tidak menghapusnya.
Kesalahan umum
- Membalik string Arab di kode untuk “memperbaiki” tampilan.
- Menetapkan arah hanya dengan CSS.
- Membiarkan U+200F atau U+2067 di dalam ID, key, atau nilai enum.