---
title: "Dialetti arabi e speech-to-text: come testare l’ASR | BroadRouter"
description: "Perché lo speech-to-text fatica con l’arabo del Golfo, egiziano, levantino e maghrebino, e come creare un test set per dialetto sul tuo audio reale."
url: https://broadrouter.com/it/blog/arabic-dialect-speech-recognition/
lang: it
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Tradotto dall’inglese con l’aiuto dell’IA. [Leggi l’originale in inglese](https://broadrouter.com/blog/arabic-dialect-speech-recognition/) (aggiornato il 2026-11-16).

# Dialetti arabi e speech-to-text: Golfo, Egitto, Levante, Maghreb

A cura del team di BroadNet Inference · 5 min di lettura · Pubblicato 2026-11-14 · Aggiornato 2026-11-16

I dialetti arabi differiscono dall’arabo standard moderno per suoni, parole e grafia, e chi parla mescola inglese o francese: per questo i modelli ASR addestrati soprattutto sull’arabo formale vanno molto peggio. Per testare un fornitore, crea un test set per dialetto con il tuo audio reale, fissa una convenzione di grafia e misura WER, CER e accuratezza sulle entità per ogni dialetto.

## Punti chiave

-   Il dialetto incide molto sull’accuratezza dell’ASR in arabo: BroadNet riporta un WER di 3,8 sull’arabo letto e di 23,4 sul parlato dialettale per lo stesso modello.
-   I dialetti non hanno una grafia standard, quindi decidi prima di misurare se i riferimenti sono in dialetto trascritto alla lettera o normalizzati.
-   Il parlato del Golfo mescola l’inglese, quello maghrebino il francese. Valuta le clip con code-switching come gruppo a parte.
-   Riporta WER e CER per dialetto, più l’accuratezza su numeri e nomi. Non fidarti mai di un unico numero medio.
-   Da trenta a cinquanta clip per dialetto, di cui dieci con riferimenti controllati a mano, bastano per mettere in classifica i fornitori.

**In questa pagina**

1.  Perché i dialetti arabi sono difficili per il riconoscimento vocale?
2.  Come mette in difficoltà il riconoscimento vocale ciascun dialetto arabo?
3.  Come si costruisce un test set per i dialetti arabi?
4.  Cosa dicono i valori di WER pubblicati per l’arabo?
5.  Quale LLM dovrebbe leggere le trascrizioni in dialetto?
6.  Dove si colloca BroadNet Inference

Lo speech-to-text fatica con i dialetti arabi perché differiscono dall’arabo standard moderno (MSA) per suoni, parole e grafia, e chi parla mescola inglese o francese. Per sapere come se la caverà un fornitore, crea un piccolo test set per dialetto con il tuo audio reale e valuta ogni dialetto separatamente.

Una chiamata da Riad, un vocale dal Cairo e una chiamata all’assistenza da Casablanca sono tutti “arabo”, e lo stesso modello può gestire bene il primo e male il terzo.

Questo articolo spiega cosa rende difficile ogni grande gruppo di dialetti per il riconoscimento vocale e come costruire un test che mostri come se la caverà un fornitore sui **tuoi** dialetti. Per la checklist d’acquisto più ampia (prezzo, limiti, privacy), vedi la [guida all’acquisto di uno speech-to-text per l’arabo](https://broadrouter.com/it/blog/arabic-speech-to-text-api-buyers-guide/).

## Perché i dialetti arabi sono difficili per il riconoscimento vocale?

Si sommano quattro problemi:

1.  **Suoni diversi.** La stessa lettera si pronuncia in modo diverso a seconda della regione, quindi il modello acustico deve ricondurre più suoni a una sola grafia.
2.  **Parole diverse.** Le parole di tutti i giorni cambiano da dialetto a dialetto. Un modello addestrato soprattutto sull’MSA può “correggere” una parola dialettale nel suo equivalente formale, e se il tuo riferimento è alla lettera conta come errore.
3.  **Nessuna grafia standard.** I dialetti si scrivono in modo informale, quindi anche due trascrittori umani non sono d’accordo. Anche i dati di addestramento sono squilibrati: uno studio del 2024 sulla copertura dialettale osserva che i sistemi ASR esistenti «mainly cover the modern standard Arabic (MSA) variety and few high-resource dialects» (traduzione: coprono soprattutto la varietà standard moderna dell’arabo e pochi dialetti con molte risorse) ([arXiv 2411.05872](https://arxiv.org/abs/2411.05872)).
4.  **[Code-switching](https://broadrouter.com/it/glossary/code-switching/).** Chi parla passa all’inglese o al francese a metà frase. Il dataset [Casablanca](https://aclanthology.org/2024.emnlp-main.1211), che copre otto dialetti, annota il code-switching insieme a dialetto e genere.

L’articolo sull’[Open Universal Arabic ASR Leaderboard](https://arxiv.org/abs/2412.13788) (Interspeech 2025) valuta i modelli open source su diversi test set multidialettali proprio per questo motivo: un unico punteggio per “l’arabo” nasconde la dispersione.

## Come mette in difficoltà il riconoscimento vocale ciascun dialetto arabo?

| Gruppo di dialetti | Dove | Punti critici tipici per l’ASR |
| --- | --- | --- |
| Golfo (khaleeji) | Arabia Saudita, EAU, Kuwait, Qatar, Bahrein, Oman | Nomi di prodotti, numeri e marchi in inglese mescolati; pronuncia regionale di qaf e kaf |
| Egiziano | Egitto | Jeem pronunciata come g dura; qaf spesso resa come colpo di glottide; molto presente nei media, quindi i modelli di solito ne vedono di più |
| Levantino | Siria, Libano, Giordania, Palestina | Qaf urbana resa come colpo di glottide; francese o inglese mescolati, soprattutto in Libano |
| Maghrebino (darija) | Marocco, Algeria, Tunisia, Libia | Il più lontano dall’MSA; vocali brevi cadute; forte code-switching con il francese; prestiti amazigh |
| Iracheno | Iraq | Lessico e pronuncia propri; meno audio pubblico per l’addestramento |

Sono tendenze, non regole. Dentro ogni gruppo il parlato urbano e quello rurale differiscono, e i più giovani fanno più code-switching. Il punto è che ogni gruppo sbaglia a modo suo, quindi va valutato per conto suo.

## Come si costruisce un test set per i dialetti arabi?

### 1\. Campiona audio reale per dialetto

Prendi da 30 a 50 clip per dialetto dal canale che userai in produzione: telefonate, vocali WhatsApp, registrazioni di riunioni. L’audio telefonico a 8 kHz si comporta diversamente dall’audio da studio. Etichetta ogni clip con il dialetto e segna quelle che contengono inglese o francese.

### 2\. Concorda prima una convenzione di grafia

Prima che qualcuno scriva un riferimento, decidi:

-   **dialetto alla lettera** (scrivi ciò che è stato detto, con grafia dialettale), oppure
-   **normalizzato** (riconduci tutto a una forma coerente).

Metti la scelta per iscritto, con esempi. Se i riferimenti sono alla lettera e il modello restituisce parole simili all’MSA, il WER sembrerà pessimo anche quando il significato è giusto. Nessuna delle due scelte è sbagliata: deve corrispondere a ciò che serve al sistema a valle.

### 3\. Scrivi i riferimenti per 10 clip per dialetto

Falle trascrivere da madrelingua di quel dialetto. Per le clip con code-switching, decidi se le parole inglesi restano in caratteri latini e applica la regola ovunque.

### 4\. Normalizza entrambi i lati, poi misura

Togli i segni diacritici, unifica le forme di alef (إ أ آ in ا) e la yaa finale (ى in ي), elimina la punteggiatura e converti le cifre arabo-orientali in cifre occidentali. Poi calcola:

| Metrica | Perché |
| --- | --- |
| [WER](https://broadrouter.com/it/glossary/word-error-rate/) per dialetto | La misura standard; severa su clitici e prefissi |
| CER per dialetto | Più tollerante con le varianti di grafia |
| Accuratezza sulle entità | Quota di numeri, date e nomi trascritti esattamente |
| WER del gruppo con code-switching | Mostra se le parole inglesi o francesi sopravvivono |

Il pacchetto `jiwer` calcola WER e CER; [Il WER per l’arabo spiegato](https://broadrouter.com/it/blog/arabic-asr-wer-explained/) contiene una funzione di normalizzazione riutilizzabile e un esempio pratico di quanto cambia il punteggio.

### 5\. Leggi le trascrizioni

Sono i numeri a decidere se un flusso di call center o bancario funziona. Leggi 20 trascrizioni per dialetto e controlla a mano ogni numero, data e nome.

## Cosa dicono i valori di WER pubblicati per l’arabo?

I benchmark pubblici danno una direzione, non una promessa. BroadNet pubblica tre valori di WER per BroadNet Transcribe Arabic nel suo [catalogo modelli](https://www.broadnet.ai/inference/models): 3,8 su FLEURS-ar (parlato letto pulito), 21,1 su MASC-ar (parlato reale misto) e 23,4 sul proprio set dialettale. Per lo stesso modello è un salto di sei volte tra parlato letto e parlato dialettale, ed è per questo che si testa sui propri dialetti.

Quando confronti i fornitori, confrontali sullo stesso test set. Una classifica come l’[Open Universal Arabic ASR Leaderboard](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard) è utile perché ogni modello viene valutato allo stesso modo. Il numero di un fornitore sul proprio set non è confrontabile con quello di un altro fornitore.

## Quale LLM dovrebbe leggere le trascrizioni in dialetto?

Di solito le trascrizioni finiscono a un LLM: per riassumere una chiamata, smistare un ticket o rispondere a una domanda. Anche quel modello deve saper leggere il dialetto. La nostra [guida alla scelta di un LLM per l’arabo](https://broadrouter.com/it/blog/choosing-an-llm-for-arabic/) spiega come testarlo, e [Qwen3.8 27B](https://broadrouter.com/it/models/qwen3.8-27b/) è il modello che BroadNet ha testato sui dialetti del Golfo ed egiziano.

## Dove si colloca BroadNet Inference

[BroadNet Transcribe Arabic](https://broadrouter.com/it/models/cohere-transcribe-arabic/) è pensato per l’arabo, dialetti compresi, costa $0.0042 al minuto ($0.25 all’ora), e BroadNet riporta che si piazza #2 su 37 (dato di settembre 2026; la classifica in tempo reale lo indicava #4 su 39 il 15 novembre 2026) nell’Open Universal Arabic ASR Leaderboard, e al n. 1 tra i modelli la cui licenza consente di servirli tramite API. Per numeri, date e nomi in audio rumoroso, BroadNet offre una versione con fine-tuning [su richiesta](https://broadrouter.com/it/models/#on-request). Il credito iniziale di $5 copre circa 1,190 minuti, abbastanza per l’intero test descritto sopra; il [calcolatore dei costi speech-to-text](https://broadrouter.com/tools/speech-to-text-cost-calculator/) trasforma il tuo volume di produzione in una bolletta mensile. [Crea una chiave](https://inference.broadnet.ai/?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-blog-arabic-dialect-speech-recognition&utm_content=body) per iniziare.

BroadNet non pubblica valori di WER separati per ogni gruppo di dialetti. È proprio per questo che dovresti fare questo test: il valore sul suo set dialettale è un solo numero, e i tuoi clienti parlano uno o due dialetti, non tutti.

Strumenti gratuiti sul tema (in inglese)

-   [Arabic token counter](https://broadrouter.com/tools/arabic-token-counter/) Arabic vs English token counts per tokenizer: the "Arabic tax" in tokens and money.
-   [Arabic text normalizer](https://broadrouter.com/tools/arabic-text-normalizer/) Tashkeel, tatweel, alef, ya, ta marbuta, digits and invisible characters, with a matching Python function.
-   [Speech-to-text cost calculator](https://broadrouter.com/tools/speech-to-text-cost-calculator/) Hours, calls or voice notes to a monthly transcription bill, against your current provider.

[Strumenti gratuiti (in inglese)](https://broadrouter.com/tools/)

## Termini in questo articolo

[Speech-to-text (riconoscimento vocale)](https://broadrouter.com/it/glossary/speech-to-text/)

Lo speech-to-text, detto anche riconoscimento automatico del parlato (ASR), è la tecnologia che converte l’audio parlato in testo scritto. Un’API speech-to-text riceve un file o uno stream audio e restituisce una trascrizione, di solito a prezzo per minuto di audio. L’accuratezza si misura con il word error rate e varia con accento, dialetto e qualità della registrazione.

[Word error rate (WER)](https://broadrouter.com/it/glossary/word-error-rate/)

Il word error rate (WER, tasso di errore sulle parole) è la misura standard di accuratezza del riconoscimento vocale: il numero di sostituzioni, cancellazioni e inserimenti di parole necessari per trasformare una trascrizione nel riferimento corretto, diviso per il numero di parole del riferimento. Più è basso, meglio è.

[Code-switching (commutazione di codice)](https://broadrouter.com/it/glossary/code-switching/)

Il code-switching è l’uso di due o più lingue, o varietà di una stessa lingua, all’interno della stessa conversazione o frase, nel parlato o nello scritto. Ne sono esempi gli arabofoni che inseriscono parole inglesi nel dialetto, o che passano dall’arabo standard moderno al loro dialetto.

[Arabo standard moderno (MSA)](https://broadrouter.com/it/glossary/msa/)

L’arabo standard moderno (MSA) è la forma standardizzata dell’arabo usata nella scrittura, nei notiziari, nell’istruzione e nei discorsi formali in tutto il mondo arabo. Non è la lingua madre quotidiana di nessuno: le persone parlano dialetti regionali, come l’egiziano o l’arabo del Golfo, e passano all’MSA nei contesti formali.

[Arabo dialettale (dialectal Arabic)](https://broadrouter.com/it/glossary/dialectal-arabic/)

L’arabo dialettale è l’arabo parlato ogni giorno in una regione o in una città, come l’arabo egiziano, del Golfo, levantino o maghrebino. I dialetti differiscono dall’arabo standard moderno per suoni, parole e grammatica, non hanno un’ortografia standard e si scrivono sempre più online, il che li rende più difficili per i modelli linguistici.

[Character error rate (CER)](https://broadrouter.com/it/glossary/character-error-rate/)

Il character error rate (CER, tasso di errore sui caratteri) misura l’accuratezza di una trascrizione o di un OCR a livello di carattere: sostituzioni, cancellazioni e inserimenti necessari per trasformare l’output nel testo di riferimento, divisi per il numero di caratteri del riferimento. Più è basso meglio è, e 0 è una corrispondenza perfetta.

[Fine-tuning (addestramento di un LLM)](https://broadrouter.com/it/glossary/fine-tuning/)

Il fine-tuning è il processo con cui si continua ad addestrare un modello linguistico già pre-addestrato su un dataset più piccolo e specifico, come conversazioni di esempio, così che i suoi pesi cambino e svolga quel compito o quello stile in modo più affidabile, senza istruzioni lunghe o esempi in ogni prompt.

[Tool calling (chiamata di strumenti)](https://broadrouter.com/it/glossary/tool-calling/)

Il tool calling, detto anche function calling, è una funzionalità delle API LLM in cui il modello restituisce una richiesta strutturata di eseguire una funzione definita dallo sviluppatore, con argomenti JSON. L’applicazione esegue la funzione e rimanda il risultato; il modello non esegue mai codice da solo.

## Domande frequenti

### Qual è il dialetto arabo più difficile per il riconoscimento vocale?

Non esiste una classifica universale: dipende dai dati di addestramento del modello. I dialetti maghrebini, come il marocchino e l’algerino, sono spesso difficili perché sono i più lontani dall’arabo standard moderno e mescolano il francese. Testa il tuo dialetto invece di affidarti a una classifica generale.

### Lo speech-to-text capisce l’arabo egiziano?

Spesso meglio dei dialetti più rari, perché l’egiziano è molto diffuso nei media, ma aspettati un’accuratezza più bassa che sull’arabo formale. Misurala sulle tue registrazioni.

### Per l’arabo conviene usare il WER o il CER?

Usali entrambi. Il WER conta parole intere, quindi un prefisso o un clitico sbagliato rende sbagliata tutta la parola. Il CER conta i caratteri ed è più tollerante con le varianti di grafia, il che conta per dialetti senza una grafia standard.

### Quante clip audio servono per testare un fornitore ASR per l’arabo?

Circa da 30 a 50 clip reali per dialetto, di cui almeno 10 per dialetto trascritte a mano come riferimento. Bastano per vedere le grandi differenze tra fornitori.

### Il codice lingua conta per i dialetti arabi?

Invia language=ar. Nella maggior parte delle API i dialetti condividono il codice ar. Senza, alcuni modelli restituiscono il parlato arabo traslitterato in caratteri latini.

## Continua a leggere

-   [API speech-to-text per l’arabo: come sceglierla nel 2026](https://broadrouter.com/it/blog/arabic-speech-to-text-api-buyers-guide/)
-   [Scegliere un’API LLM per l’arabo: cosa testare](https://broadrouter.com/it/blog/choosing-an-llm-for-arabic/)
-   [Alternative all’API Whisper: quando cambiare e come provarle](https://broadrouter.com/it/blog/whisper-api-alternative/)
-   [Trascrivere le chiamate del call center: pipeline pronta per l’arabo](https://broadrouter.com/it/blog/transcribe-call-center-recordings/)
-   [Tradurre audio arabo in testo inglese con un’API: una pipeline testata](https://broadrouter.com/it/blog/translate-arabic-audio-to-english/)
-   [Aggiungere i diacritici all’arabo con un LLM: prompt, controlli, DER](https://broadrouter.com/it/blog/arabic-diacritization-llm/)
-   [Correzione grammaticale e ortografica dell’arabo con un LLM: guida](https://broadrouter.com/it/blog/arabic-grammar-spelling-correction-llm/)
-   [Guida: API speech-to-text in arabo, passo dopo passo](https://broadrouter.com/it/guides/arabic-speech-to-text-api/)

Provalo sul tuo carico di lavoro reale. I nuovi account partono con USD 5 di credito per Gemma e trascrizione. DeepSeek, GLM e Qwen3.8 richiedono una ricarica.

[Inizia](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-blog-arabic-dialect-speech-recognition&utm_content=page-cta) ·

**Fonti**

-   [Talafha et al., Casablanca: Data and Models for Multidialectal Arabic Speech Recognition (EMNLP 2024; consultato il 2026-11-14)](https://aclanthology.org/2024.emnlp-main.1211)
-   [Wang, Alhmoud e Alqurishi, Open Universal Arabic ASR Leaderboard (Interspeech 2025; arXiv 2412.13788; consultato il 2026-11-14)](https://arxiv.org/abs/2412.13788)
-   [Dialectal Coverage and Generalization in Arabic Speech Recognition (arXiv 2411.05872; consultato il 2026-11-14)](https://arxiv.org/abs/2411.05872)
-   [Open Universal Arabic ASR Leaderboard, Space su Hugging Face (consultato il 2026-11-14)](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)
-   [Catalogo modelli BroadNet, speech-to-text: WER come riportato da BroadNet (consultato il 2026-11-14) (in inglese)](https://www.broadnet.ai/inference/models)
