L’Arabizi è il modo in cui molti arabofoni scrivono al telefono: parole arabe, tastiera latina, qualche cifra per i suoni che mancano.
Come funziona
Darwish (2014) descrive l’Arabizi, chiamato anche Arabish o franco-arabo, come arabo in forma latina traslitterata che usa numeri per le lettere che all’inglese mancano: “2” e “3” stanno per il suono della hamza e per ع. È nato perché vecchi browser e telefoni non riuscivano a mostrare la scrittura araba. Sopravvive perché la gente ci è abituata e scrive più in fretta su una tastiera inglese.
Tre caratteristiche lo rendono difficile per il software:
- Nessuna ortografia standard. Shazal, Usman e Habash (2020) osservano che l’Arabizi dei social è arabo dialettale, che non ha un’ortografia standard, e che la corrispondenza con la scrittura araba non è uno a uno.
- Mescolato con inglese o francese. Un messaggio come
w aletli Tuesday(“e mi ha detto martedì”) mescola le due lingue, ed è code-switching. - Prima il rilevamento. Il software deve decidere quali parole sono Arabizi prima di convertirle. Darwish riporta il 98,5% di accuratezza nel rilevamento e l’88,7% nella conversione con una pipeline classica; il modello sequence-to-sequence del 2020 arriva all’80,6% di accuratezza per parola su un test set cieco per il compito congiunto.
Con le API LLM, l’Arabizi si comporta anche diversamente dalla scrittura araba nel tokenizer, perché è testo latino scritto in modi che il vocabolario ha visto di rado.
Perché è importante
Se gestisci un chatbot, una ricerca o un sistema di analisi nel Golfo, in Egitto o nel Levante, una parte dei tuoi utenti scriverà in Arabizi. Ricerca per parole chiave, regole di intent e strumenti di sentiment pensati per la scrittura araba perderanno quei messaggi. Una soluzione comune è chiedere a un LLM di convertire l’Arabizi in caratteri arabi, indicando il dialetto, prima dell’instradamento o dell’indicizzazione, e conservare il testo originale. La guida alla gestione dell’Arabizi illustra prompt e scelte sulla scrittura della risposta.
Su BroadNet Inference
BroadNet non ha funzioni specifiche per l’Arabizi; i modelli di chat lo ricevono come testo normale. BroadNet riferisce di aver testato Qwen3.8 27B in arabo, con i dialetti del Golfo ed egiziano compresi, il che è un punto di partenza per le prove sull’Arabizi. Vedi dialetti del Golfo ed egiziano con gli LLM.
La voce è un caso a parte. La documentazione di BroadNet avverte che senza language l’audio arabo può essere traslitterato in lettere latine. Quell’output sembra Arabizi, ma dipende dalla richiesta, non da chi parla. Invia language=ar a BroadNet Transcribe Arabic.