BroadRouter

Progettare un’esperienza AI in più lingue

A cura del team di BroadNet Inference · 7 min di lettura · Pubblicato

Salva due impostazioni distinte, il locale dell’interfaccia e la lingua del contenuto, e non ricavare mai l’una dall’altra. Imposta la direzione dal locale, isola il testo di utenti e modello con dir="auto" o bdi, formatta numeri e date secondo il locale, normalizza le cifre in input, tratta il rilevamento della lingua come un indizio e valuta qualità e costi lingua per lingua.

Una funzione AI per utenti arabi, inglesi e spagnoli sono tre prodotti che condividono una sola codebase. Per l’arabo lo schermo deve invertire la direzione. I messaggi mescolano alfabeti diversi sulla stessa riga. Numeri e date cambiano forma da una regione all’altra. Il modello può rispondere nella lingua sbagliata, e ogni lingua ha un costo diverso. Quasi tutti questi problemi nascono da un unico errore di design: trattare “la lingua” come un’impostazione sola.

Questo articolo copre il lato prodotto e interfaccia. La traduzione delle stringhe della tua app (placeholder, plurali, messaggi ICU) è in tradurre le stringhe di un’app in arabo con un LLM; la formulazione dei prompt è in prompt engineering in arabo.

Perché tenere il locale dell’interfaccia separato dalla lingua del modello?

Perché rispondono a domande diverse. Il locale dell’interfaccia (ar-SA, en-US, es-MX) decide la direzione del layout, la lingua dei pulsanti e l’aspetto di numeri e date. La lingua del contenuto è quella di un singolo messaggio, documento o registrazione, e decide che cosa chiedi al modello.

Le due divergono di continuo. Un utente saudita con l’interfaccia in arabo incolla un contratto in inglese. Un utente spagnolo carica la foto di una fattura in arabo. Un agente bilingue cambia lingua a metà conversazione (code-switching). Se il codice manda “rispondi in arabo” perché l’interfaccia è in arabo, il contratto inglese riceve un riassunto in arabo che nessuno ha chiesto.

Quindi salvale entrambe, per utente e per messaggio:

  • ui_locale: scelto dall’utente, con default sulla lingua del browser.
  • answer_language: la scelta esplicita dell’utente, se l’ha fatta, altrimenti la lingua rilevata nel messaggio.
  • Per l’audio, audio_language: quello che passi al modello di trascrizione. Il riferimento API di BroadNet dice di inviare sempre language in una richiesta di trascrizione, altrimenti l’arabo può tornare in caratteri latini.

Come si supportano il testo da destra a sinistra e quello a direzione mista?

Su tre livelli, seguendo le indicazioni del W3C:

  1. Direzione della pagina dal locale. Per l’arabo imposta dir="rtl" e lang="ar" sull’elemento html. Il W3C dice di non usare il CSS per impostare la direzione di base e di usare valori logici (start ed end) per margini, padding e allineamento al posto di left e right.
  2. CSS logico. margin-inline-start invece di margin-left, text-align: start invece di left. MDN descrive le proprietà logiche come un modo di controllare il layout “through logical rather than physical direction” (traduzione: attraverso la direzione logica anziché fisica). Così un solo foglio di stile serve entrambe le direzioni.
  3. Isola il testo che non hai scritto tu. Messaggi degli utenti, risposte del modello, nomi di prodotto e codici d’ordine hanno una direzione propria. La regola del W3C: se non conosci la direzione del testo inserito a runtime, aggiungi dir="auto" all’elemento che lo contiene oppure racchiudilo in un elemento bdi. Senza isolamento, un codice d’ordine inglese alla fine di una frase araba può saltare dal lato sbagliato e la punteggiatura finisce in posti strani.

In un’interfaccia di chat questo significa dir="auto" su ogni fumetto, perché ogni messaggio prende la direzione dal suo primo carattere forte, e bdi attorno a nomi e codici dentro le stringhe della tua interfaccia. Dove non c’è markup (notifiche push, SMS, export CSV), gli isolati dell’Unicode Bidirectional Algorithm fanno lo stesso lavoro: U+2068 FIRST STRONG ISOLATE prima del testo e U+2069 POP DIRECTIONAL ISOLATE dopo.

L’output del modello aggiunge un caso in più: il Markdown. Un modello che risponde in arabo può includere codice, URL o celle di tabella in inglese. Renderizza i blocchi di codice con dir="ltr" esplicito e dai dir="auto" a ogni paragrafo e cella di tabella.

Come devono cambiare numeri e date in base al locale?

Lascia che sia la piattaforma a formattarli e verifica che cosa produce davvero. Abbiamo eseguito Intl.NumberFormat e Intl.DateTimeFormat in Node 24.22.1 (ICU 78.3, CLDR 48) per 1234.5 e il 15 novembre 2026:

Locale Numero Data (lunga) Direzione
en-US 1,234.5 November 15, 2026 ltr
ar-SA ١٬٢٣٤٫٥ ١٥ نوفمبر ٢٠٢٦ rtl
ar-SA-u-nu-latn 1,234.5 15 نوفمبر 2026 rtl
ar-AE 1,234.5 15 نوفمبر 2026 rtl
es-ES 1234,5 15 de noviembre de 2026 ltr
es-MX 1,234.5 15 de noviembre de 2026 ltr

Quattro cose da notare. I locale arabi non concordano sulle cifre: l’Arabia Saudita usa di default le arabo-indiche, gli Emirati quelle occidentali, e l’estensione -u-nu-latn (vedi numberingSystem su MDN) porta un locale alle cifre occidentali. Lo spagnolo cambia da regione a regione: la Spagna usa la virgola decimale e, per un numero di quattro cifre, nessun separatore delle migliaia; il Messico usa il punto. Anche i nomi dei mesi variano nel mondo arabo: ar-MA ha stampato نونبر per novembre, dove ar-SA ha stampato نوفمبر. E i browser includono versioni proprie di ICU, quindi ripeti gli stessi controlli nei browser che ti interessano.

I plurali seguono le regole CLDR: Intl.PluralRules per ar ha restituito sei categorie per 0, 1, 2, 3, 11 e 100 (zero, one, two, few, many, other), mentre inglese e spagnolo hanno restituito solo one e other per gli stessi numeri. Il lato stringhe di questo tema è nell’articolo sulle stringhe dell’app.

In input, accetta entrambe le forme di cifre. Un utente può digitare ١٢٣٤ in un campo quantità: normalizza in cifre ASCII prima del parsing, e prima di inviare numeri al modello se i tuoi prompt li confrontano.

Si può rilevare la lingua di ogni messaggio?

In parte. Distinguere l’alfabeto arabo da quello latino è facile e affidabile: basta contare i caratteri del blocco Unicode arabo. Distinguere l’inglese dallo spagnolo, o interpretare messaggi molto brevi, richiede un modello addestrato. fastText pubblica due modelli di identificazione della lingua per 176 lingue (lid.176.bin, 126 MB, e la versione compressa lid.176.ftz, 917 kB).

Ecco un piccolo modulo di supporto per le decisioni viste sopra. Il rilevatore è volutamente semplice, per mostrare dove il semplice non basta.

// UI locale and content language are separate values. Never derive one from the other silently.
const RTL = new Set(['ar', 'he', 'fa', 'ur']);

/** Rough script-based guess: enough to pick a direction and a prompt, not a language-ID model. */
export function guessLanguage(text) {
  const arabic = (text.match(/[؀-ۿݐ-ݿ]/g) || []).length;
  const latin = (text.match(/[A-Za-zÀ-ÿ]/g) || []).length;
  if (arabic + latin < 3) return 'und';
  if (arabic / (arabic + latin) > 0.6) return 'ar';
  if (arabic / (arabic + latin) > 0.2) return 'mixed';
  return /[ñ¿¡áéíóú]|\b(el|la|los|las|de|que|por|para|está|dónde)\b/i.test(text) ? 'es' : 'en';
}

/** Wrap user or model text for display inside UI text of either direction (W3C: bdi / dir="auto"). */
export const isolate = (s) => `<bdi>${s.replace(/[&<>"]/g, (c) => ({ '&': '&amp;', '<': '&lt;', '>': '&gt;', '"': '&quot;' })[c])}</bdi>`;

/** Plain-text equivalent for places with no markup (notifications, CSV, SMS): FSI ... PDI. */
export const isolateText = (s) => `⁨${s}⁩`;

export function formatters(uiLocale) {
  return {
    dir: RTL.has(new Intl.Locale(uiLocale).language) ? 'rtl' : 'ltr',
    number: new Intl.NumberFormat(uiLocale),
    date: new Intl.DateTimeFormat(uiLocale, { dateStyle: 'long', timeZone: 'UTC' }),
    plural: new Intl.PluralRules(uiLocale),
  };
}

/** Normalise digits a user typed before parsing: Arabic-Indic and Persian to ASCII. */
export const toAsciiDigits = (s) =>
  s.replace(/[٠-٩]/g, (d) => d.charCodeAt(0) - 0x0660).replace(/[۰-۹]/g, (d) => d.charCodeAt(0) - 0x06F0);

/** System prompt: the answer language comes from the content, or the user's explicit choice, not the UI. */
export function systemPrompt({ answerLanguage }) {
  const name = { ar: 'Arabic', en: 'English', es: 'Spanish' }[answerLanguage] ?? 'the language of the user\'s message';
  return `Answer in ${name}. Keep product names, code, URLs and numbers exactly as written.`;
}

L’abbiamo eseguito in Node 24. Ha classificato وين طلبي؟ come ar, “¿Dónde está mi pedido?” come es, “Where is my order?” come en e una frase araba contenente il codice ORD-5521 come ar. “ok” è tornato und, che nel prompt ricade correttamente su “la lingua del messaggio dell’utente”. E “ana 3ayez a3raf el order fen”, arabo egiziano in caratteri latini (Arabizi), è tornato es, perché la parola “el” sembra spagnola. Per un’euristica è il risultato onesto. Se i tuoi utenti scrivono in Arabizi, rilevalo esplicitamente e trattalo come arabo, come in gestire l’Arabizi, e lascia che gli utenti correggano la lingua della risposta con un tocco.

L’helper per le cifre ha trasformato ٢٠٢٦-١١-١٥ in 2026-11-15, e isolate() ha fatto l’escape dell’HTML prima di avvolgere il testo, quindi un nome di azienda come Acme <Ltd> non può iniettare markup.

Che cos’altro cambia quando cambia la lingua?

  • Lunghezza del testo. Il testo dell’interfaccia tradotto è spesso più lungo. Il W3C cita le linee guida IBM, secondo cui le stringhe inglesi fino a 10 caratteri possono crescere al 200–300% della loro lunghezza nelle lingue europee, e quelle oltre i 70 caratteri a circa il 130%. Progetta pulsanti ed etichette perché vadano a capo e prova la build spagnola su larghezze strette.
  • Font. Scegli una famiglia di caratteri con un design arabo coerente e controlla l’interlinea dell’arabo: i segni diacritici hanno bisogno di spazio sopra e sotto.
  • Ricerca e confronto. Il testo arabo va normalizzato prima del confronto (diacritici, forme di alef, tatweel). Il normalizzatore di testo arabo mostra ogni regola.
  • Voce. Scegli il modello di trascrizione in base alla lingua dell’audio, non dell’interfaccia. BroadNet elenca un modello per l’arabo e un modello per 14 lingue che copre inglese, spagnolo e arabo; la pagina del modello multilingue dice di scegliere il modello arabo per l’audio in arabo. L’articolo sullo speech-to-text multilingue confronta le opzioni.
  • Dialetto. “Arabo” non è un unico obiettivo. Gli utenti di Riad, del Cairo e di Casablanca scrivono in modo diverso; dialetti del Golfo ed egiziano spiega che cosa testare.

Come si valuta e si mette a budget ogni lingua?

Separatamente. Un punteggio unico nasconde una lingua debole, e un budget unico ne nasconde una costosa.

Costruisci un piccolo set di valutazione per lingua a partire da messaggi reali, con madrelingua che etichettano le risposte attese. Verifica che la risposta sia nella lingua richiesta, che nomi, numeri e codici restino invariati e che la qualità tenga per ogni dialetto che servi. Riesegui lo stesso set quando cambi modello o prompt; il metodo è in valutare un LLM prima di cambiare.

Quanto ai costi, il numero di token varia per lingua e per tokenizer. Nel dataset misurato da BroadRouter, lo stesso testo in arabo standard moderno richiede da 1.31× (Qwen3.8 27B) a 1.77× (GLM 5.3) i token della sua traduzione inglese. Il costo reale per lingua traduce questi conteggi in denaro per modello, spagnolo incluso, e il contatore di token per l’arabo misura il tuo testo. Registra i token di ogni richiesta insieme alla lingua del contenuto e vedrai il costo per lingua e per utente, non solo per mese.

Infine, fai fare una revisione da madrelingua prima del lancio. La traduzione automatica e l’output dei modelli producono entrambi un arabo e uno spagnolo grammaticalmente corretti ma sbagliati per il tuo pubblico. Un revisore che usa il prodotto nella propria lingua coglie quello che nessun test vede.

Dove si inserisce BroadNet Inference

BroadRouter è il sito di BroadNet. I modelli di BroadNet Inference sono una scelta ragionevole per un prodotto in arabo, inglese e spagnolo: BroadNet dichiara di aver testato Qwen3.8 27B in arabo, inclusa la comprensione dei dialetti del Golfo ed egiziano; Gemma 4 VL 26B funziona con il credito iniziale di $5; e la trascrizione copre l’arabo (BroadNet Transcribe Arabic, $0.0042 al minuto) e 14 lingue tra cui inglese e spagnolo (BroadNet Transcribe, $0.002 al minuto). Il contenuto delle richieste di inferenza non viene conservato; i metadati necessari di account, fatturazione e sicurezza vengono conservati come descritto nell’informativa privacy di BroadNet. Tutto ciò che questo articolo dice su layout, direzione, formattazione e rilevamento è compito della tua applicazione, qualunque API tu usi.

Domande frequenti

L’AI deve rispondere nella lingua dell’interfaccia o in quella dell’utente?

Di default nella lingua del messaggio dell’utente, lasciandogli la possibilità di cambiarla. Il locale dell’interfaccia ti dice solo come impaginare lo schermo. Un utente con l’interfaccia in arabo che scrive in inglese di solito vuole una risposta in inglese.

Come mostro un testo inglese dentro un fumetto di chat in arabo?

Dai a ogni elemento messaggio dir="auto", così il browser ne imposta la direzione dal primo carattere forte, e racchiudi nomi, codici e URL inseriti in un elemento bdi. Nel testo semplice, racchiudili tra U+2068 FIRST STRONG ISOLATE e U+2069 POP DIRECTIONAL ISOLATE.

Gli utenti arabi devono vedere le cifre arabo-indiche?

Dipende dalla regione e dai tuoi utenti. Nel nostro test con Node 24, il default per ar-SA e ar-EG erano le cifre arabo-indiche, per ar-AE e ar-MA le cifre occidentali. Scegli per locale, offri un’impostazione e accetta entrambe in input normalizzando le cifre prima del parsing.

Come rilevo la lingua di un messaggio in chat?

Per distinguere l’alfabeto arabo da quello latino basta contare i caratteri del blocco Unicode arabo. Per distinguere l’inglese dallo spagnolo, o per messaggi brevi o misti, usa un modello addestrato di identificazione della lingua come lid.176 di fastText, e tratta comunque il risultato come un indizio.

Con un’API LLM l’arabo costa più dell’inglese?

Spesso sì, a parità di messaggio, perché molti tokenizer richiedono più token per lo stesso contenuto in arabo. Il rapporto dipende dal tokenizer del modello. Misuralo sul tuo testo e fai un budget separato per ogni lingua.

Leggi in MarkdownChiedi a ChatGPTChiedi a ClaudeChiedi a Perplexity