---
title: "LLM でアラビア語⇔英語翻訳：プロンプトと品質チェック | BroadRouter"
description: "LLM API でアラビア語と英語を相互に翻訳する方法。口調を保つプロンプト、固定用語の用語集、数字と名前の扱い、翻訳品質の評価方法を解説します。"
url: https://broadrouter.com/ja/blog/arabic-english-translation-llm/
lang: ja
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

このページは英語の原文を AI の支援を受けて翻訳したものです。[英語の原文を読む](https://broadrouter.com/blog/arabic-english-translation-llm/)（2026-11-14 更新）。

# LLM によるアラビア語と英語の翻訳：プロンプト、用語集、評価

BroadNet Inference チーム · 約 5 分で読めます · 公開日 2026-11-14

LLM でアラビア語と英語を翻訳するには、読み手、文体、固定用語の用語集をモデルに伝え、数字と名前は変えないよう指示し、段落程度の大きさに分けて翻訳します。評価は chrF か COMET とネイティブのレビューで行います。BroadNet のテストでは、Qwen3.8 27B がアラビア語と英語の間を正確に翻訳しました。

## 要点

-   翻訳の方向、読み手、文体を明記します。「サウジアラビアの小売顧客向け、丁寧な MSA」は「アラビア語に翻訳して」よりはるかに効果的です。
-   固定用語の用語集があれば、製品、法務、UI の用語をすべてのチャンクとすべての呼び出しで統一できます。
-   数字、日付、名前、否定はコードかレビューで確認します。高くつくのはこれらの誤りです。
-   自動評価には chrF か COMET を使い、顧客向けや法的な文書はネイティブのレビュー担当者が確認します。
-   BroadNet は、自社のテストで Qwen3.8 27B のアラビア語⇔英語翻訳が正確だったと報告しています。

**このページの内容**

1.  LLM にとってアラビア語⇔英語の翻訳が難しいのはなぜですか？
2.  良いアラビア語訳を得るプロンプトとは？
3.  なぜ用語集がそれほど重要なのですか？
4.  長い文書はどう分割すべきですか？
5.  危険な誤りはどう見つけますか？
6.  翻訳品質はどう評価しますか？
7.  どのモデルを使い、コストはどのくらいですか？
8.  契約書やチケットを API に送っても大丈夫ですか？

LLM でアラビア語と英語を翻訳するには、翻訳の方向、読み手、文体をモデルに伝え、固定用語の用語集を渡し、数字と名前は変えずに、段落程度の大きさに分けて送ります。そのうえで数字と否定をコードで確認し、chrF、COMET、ネイティブのレビュー担当者で評価します。

こうした制御はアラビア語では特に重要です。直訳は正しくても、外国語のように読めてしまうことがあるからです。

## LLM にとってアラビア語⇔英語の翻訳が難しいのはなぜですか？

-   \*\*文体。\*\*正式なアラビア語（[現代標準アラビア語](https://broadrouter.com/ja/glossary/msa/)、فصحى）と日常の話し言葉は大きく異なります。英語では気軽なマーケティングの一文も、MSA に直訳すると堅苦しく、あるいは滑稽になりかねません。
-   \*\*語順と長さ。\*\*アラビア語の文は動詞で始まることが多く、テキストの長さも英語と違うことがよくあります。英語では収まる UI 文字列が、折り返したりはみ出したりすることがあります。
-   \*\*性と数。\*\*アラビア語は動詞、形容詞、代名詞で性を区別し、双数もあります。英語の「you」は أنتَ、أنتِ、أنتما、أنتم、أنتنّ のいずれかにしなければなりません。読み手がわからない場合は、どれを既定にするかをモデルに伝えてください。
-   **名前と翻字。**「محمد」には英語の綴りが多数あります（Mohammed、Muhammad、Mohamed）。1 人につき 1 つに決めて統一します。
-   \*\*数字と日付。\*\*東アラビア数字、ヒジュラ暦の日付、右から左の書式には、どれも明示的なルールが必要です。

## 良いアラビア語訳を得るプロンプトとは？

翻訳の品質は、巧みな言い回しよりも指示の内容に大きく左右されます。翻訳の方向、読み手、文体、用語集、出力形式をモデルに伝えます。

```python
import os
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

GLOSSARY = """Invoice = فاتورة
VAT = ضريبة القيمة المضافة
Refund = استرداد المبلغ
Terms and Conditions = الشروط والأحكام
BroadPay = BroadPay (do not translate)"""

SYSTEM = f"""You translate customer-support articles from English to Arabic.
Audience: retail customers in Saudi Arabia and the UAE.
Register: clear, polite Modern Standard Arabic; short sentences; address the reader
in the masculine singular as a neutral default.
Rules:
- Use the glossary exactly. Never translate product names marked "do not translate".
- Keep every number, date, URL, email address and code snippet unchanged.
- Keep Markdown structure (headings, lists, links) unchanged.
- Output only the translation.
Glossary:
{GLOSSARY}"""

def translate(text: str) -> str:
    r = client.chat.completions.create(
        model="broadnet/qwen3.8-27b",
        max_tokens=4000,  # the model reasons before answering
        messages=[{"role": "system", "content": SYSTEM},
                  {"role": "user", "content": text}],
    )
    return r.choices[0].message.content
```

アラビア語 → 英語の場合は方向を逆にし、英語の読み手に必要なことを加えます。たとえば「American English, plain style, keep Arabic personal names in the spelling given in the glossary」（訳：アメリカ英語、平易な文体、アラビア語の人名は用語集の綴りを使う）です。原文が方言の可能性があるなら、「The source may be Gulf or Egyptian Arabic; translate the meaning, not word for word.」（訳：原文は湾岸またはエジプトのアラビア語の可能性がある。逐語訳ではなく意味を訳す）と書きます。

## なぜ用語集がそれほど重要なのですか？

用語集がないと、モデルは「refund」をある段落では استرجاع、次の段落では استرداد と訳すかもしれません。どちらも正しいアラビア語ですが、混在すると雑に見え、検索も機能しなくなります。用語集でこれを防ぎます。

1.  \*\*既存の訳から始める。\*\*ヘルプセンター、契約書、すでに両言語で存在する UI 文字列から用語を抽出します。
2.  \*\*短く保つ。\*\*50〜200 語あれば、ほとんどの製品をカバーできます。揺れてはいけない用語だけを入れます。
3.  \*\*翻訳しない項目を含める。\*\*ブランド名、製品名、プラン名、コードの識別子です。
4.  \*\*システムプロンプトの、本文より前に置く。\*\*こうするとキャッシュ可能なプレフィックスにも入り、繰り返し呼び出す際の入力コストが下がります。[キャッシュされた入力トークン](https://broadrouter.com/ja/blog/cached-input-tokens-explained/)を参照してください。
5.  \*\*コードで確認する。\*\*翻訳後、原文に出てきた各用語が、訳文に固定の形で出ているか検証します。

## 長い文書はどう分割すべきですか？

1 文ずつではなく、段落やセクション単位で翻訳します。文単位の呼び出しでは文脈（「彼」が誰か、「それ」がどの製品か）が失われます。文書全体を 1 回で送る方法も長コンテキストのモデルなら可能ですが、1 つの誤りを見つけて再試行するのが難しくなります。数百語のセクションがちょうどよいバランスです。一貫性が重要なら、前のセクションの訳を文脈として渡してください。

[Qwen3.8 27B](https://broadrouter.com/ja/models/qwen3.8-27b/) のコンテキストは 262,144 トークン、[DeepSeek V4.1 Flash](https://broadrouter.com/ja/models/deepseek-v4.1-flash/) と [GLM 5.3](https://broadrouter.com/ja/models/glm-5.3/) は最大 1,048,576 トークンで、翻訳するテキストと一緒に長い参考文書を含めるのに十分です。

## 危険な誤りはどう見つけますか？

流暢な出力は誤りを隠します。次の項目は自動で確認します。

-   \*\*数字：\*\*原文と訳文からすべての数字を抽出し（東アラビア数字は変換してから）、集合を比べます。
-   **否定：**「not」（لا、لم、لن、ليس、ما）が抜けると意味が逆になります。原文に否定があるのに訳文にない文に印を付けます。
-   \*\*名前と用語：\*\*変わらずに残っているか確認します。
-   \*\*長さの比率：\*\*訳文が予想よりはるかに短い場合、たいてい何かが抜けています。

```python
import re
EASTERN = str.maketrans("٠١٢٣٤٥٦٧٨٩", "0123456789")

def numbers(s: str) -> list[str]:
    return sorted(re.findall(r"\d+(?:[.,]\d+)?", s.translate(EASTERN)))

def check(src: str, tgt: str) -> list[str]:
    issues = []
    if numbers(src) != numbers(tgt):
        issues.append(f"numbers differ: {numbers(src)} vs {numbers(tgt)}")
    return issues
```

小数点の記号はロケールによって異なることがあります（アラビア語のテキストでは ٫ を使うこともあります）。文書で使われているなら、それも正規化してください。

## 翻訳品質はどう評価しますか？

自動指標は、プロンプトやモデルの変更によって平均的に良くなったか悪くなったかを教えてくれます。

| 指標 | 測るもの | アラビア語での注意点 |
| --- | --- | --- |
| BLEU | 参照訳との単語 n-gram の重なり | 接語や表記ゆれで語形が変わるアラビア語には厳しい |
| [chrF](https://aclanthology.org/W15-3049/) | 文字 n-gram の重なり | アラビア語の形態に寛容で、既定として適している |
| [COMET](https://arxiv.org/abs/2009.09025) | ニューラルモデルによる品質判定 | 人手評価との相関が高い。GPU かホスト型の評価サービスが必要 |

公開ベンチマークとしては、[No Language Left Behind](https://arxiv.org/abs/2207.04672) プロジェクトで使われた FLORES-200 が、その[言語リスト](https://github.com/facebookresearch/flores/blob/main/flores200/README.md)によれば、英語に加えて現代標準アラビア語と、エジプト、ナジュド、北レバント、南レバント、メソポタミア、モロッコ、チュニジア、タイズ・アデンの各アラビア語を含んでいます。しかし、本当のテストは自社のコンテンツです。

1.  既存のプロの訳がある代表的なセグメントを 100〜200 個選びます。
2.  各モデルと各プロンプトのバージョンで翻訳します。
3.  すべてのシステムでアラビア語の表記を同じ方法で正規化してから、chrF（可能なら COMET も）を計算します。
4.  ネイティブスピーカーに、どのシステムの出力かを伏せたうえで、システムごとに 30 セグメントを正確さと自然さで評価してもらいます。
5.  上記の危険な誤りのチェックは、別のカウントとして追跡します。

## どのモデルを使い、コストはどのくらいですか？

BroadNet は、自社のテストで [Qwen3.8 27B](https://broadrouter.com/ja/models/qwen3.8-27b/) がアラビア語と英語の間を正確に翻訳し、流暢なアラビア語を書き、湾岸方言とエジプト方言を理解したと報告しています。そのため、BroadNet Inference では最初に試す候補として自然です。[DeepSeek V4.1 Flash](https://broadrouter.com/ja/models/deepseek-v4.1-flash/) も試す価値があります。出力トークンが安く、無制限の定額プランで使われるモデルです。[DeepSeek V4.1 Flash と Qwen3.8 27B の比較](https://broadrouter.com/compare/deepseek-v4.1-flash-vs-qwen3.8-27b/)で両者を並べて比べています。

100 万トークンあたりの料金：

| モデル | 入力 | 出力 |
| --- | --- | --- |
| Qwen3.8 27B | $0.175 | $2.17 |
| DeepSeek V4.1 Flash | $0.175 | $0.52 |
| GLM 5.3 | $0.78 | $3.46 |

翻訳の出力は入力とほぼ同じ長さで、3 つのモデルはいずれも回答前に推論するので、料金の大半は通常出力トークンが占めます。アラビア語は英語より 1 語あたりのトークンが多くなる傾向もあります。[アラビア語と英語の 1 語あたりのトークン数](https://broadrouter.com/ja/blog/tokens-per-word-arabic-english/)を参照してください。サンプルを無料の[アラビア語トークンカウンター](https://broadrouter.com/tools/arabic-token-counter/)に貼り付け、実際のリクエストの `usage` で確認し、[LLM API コスト計算ツール](https://broadrouter.com/tools/llm-api-cost-calculator/)で月額を見積もってください。DeepSeek V4.1 Flash で大規模なローカライズを一度だけ行うなら、$15 の週間プランでトークンの従量課金を完全になくせます。

## 契約書やチケットを API に送っても大丈夫ですか？

契約書、医療関係の書簡、サポートチケットには個人データが含まれることがよくあります。BroadNet Inference はリクエスト後にプロンプトも出力も保持しません。[ゼロデータ保持](https://broadrouter.com/ja/privacy/)を参照してください。翻訳メモリやログも同じルールに従っているか確認してください。

関連する無料ツール（英語）

-   [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.

[無料ツール（英語）](https://broadrouter.com/tools/)

## この記事の用語

[トークン（token）](https://broadrouter.com/ja/glossary/token/)

トークンとは、言語モデルが読み書きするテキストの単位です。モデルのトークナイザーが作る単語、単語の一部、句読点、バイト列のいずれかにあたります。LLM API は利用量をトークンで数え、上限を設け、通常はトークン単位で課金します。

[現代標準アラビア語（MSA）](https://broadrouter.com/ja/glossary/msa/)

現代標準アラビア語（MSA）とは、アラブ世界全体で書き言葉、ニュース、教育、公式のスピーチに使われる標準化されたアラビア語です。誰の日常の母語でもなく、人々はエジプト方言や湾岸方言などの地域方言を話し、改まった場面で MSA に切り替えます。

[入力トークンと出力トークン（input and output tokens）](https://broadrouter.com/ja/glossary/input-and-output-tokens/)

入力トークンとは、モデルがリクエストで読むトークンで、システムプロンプト、会話履歴、ツール定義、画像を含みます。出力トークンは、推論を含めモデルが返答として生成するトークンです。LLM API は通常この 2 つを別の単価で課金し、出力のほうが高額です。

[アラビア語の方言（dialectal Arabic）](https://broadrouter.com/ja/glossary/dialectal-arabic/)

アラビア語の方言とは、エジプト、湾岸、レバント、マグリブなど、地域や都市で日常的に話されるアラビア語です。音、語彙、文法が現代標準アラビア語と異なり、標準的な綴りがなく、ネットで書かれることも増え、言語モデルには扱いにくい対象です。

[ツール呼び出し（Function Calling、tool calling）](https://broadrouter.com/ja/glossary/tool-calling/)

ツール呼び出し（Function Calling とも呼ばれます）とは、開発者が定義した関数の実行を求める構造化されたリクエストを、モデルが JSON の引数付きで返す LLM API の機能です。関数を実行して結果を返すのはアプリケーションで、モデル自身がコードを実行することはありません。

[PII（個人を特定できる情報）](https://broadrouter.com/ja/glossary/pii/)

PII（個人を特定できる情報）とは、氏名、ID 番号、生体情報など個人の身元を識別・追跡できる情報と、その人に結び付いた、または結び付けうる情報です。GDPR ではより広い「個人データ」を使います。LLM では、プロンプトが社外に出る前に PII をマスキングします。

[RTL テキスト（右から左に書く文字、right-to-left）](https://broadrouter.com/ja/glossary/rtl-text/)

RTL（right-to-left）テキストとは、アラビア語やヘブライ語のように右から左へ表示される文字のことです。コンピューターは論理的な読み順で保存し、左から右の文字、数字、モデル名、コードと混在する場合は Unicode 双方向アルゴリズムが表示順を決めます。

[指数バックオフ（exponential backoff）](https://broadrouter.com/ja/glossary/exponential-backoff/)

指数バックオフ（exponential backoff）とは、失敗するたびに待ち時間を長くして再試行するリトライ戦略で、通常は上限まで遅延を 2 倍ずつ増やします。各待ち時間にランダムなジッターを加えると、多数のクライアントの再試行が分散し、同時にサーバーへ集中しなくなります。

## よくある質問

### アラビア語の翻訳では、専用の翻訳 API より LLM のほうが優れていますか？

短く一般的なテキストなら、差は小さいかもしれません。口調、用語、書式、方言の入力を制御したい場合は LLM が有利です。プロンプトで望むことを正確に伝えられるからです。

### モデルは方言のアラビア語を英語に翻訳できますか？

たいていはできます。翻訳は理解に依存し、モデルは方言を書くより理解するほうが得意だからです。BroadNet は、自社のテストで Qwen3.8 27B が湾岸方言とエジプト方言を理解したと報告しています。ネイティブスピーカーにサンプルを確認してもらってください。

### 法的文書を機械翻訳してもよいですか？

下訳や内容の理解には LLM を使えますが、法的効力のある文書は資格のある翻訳者に確認してもらってください。公的な提出書類には認証された人手の翻訳を求める法域も多くあります。

### アラビア語の訳文のほうが英語よりトークンが多いのはなぜですか？

トークナイザーは、アラビア語を英語より 1 語あたり多くのトークンに分割することがよくあります。サンプルをトークンカウンターに貼り付け、実際のリクエストの usage.prompt\_tokens と usage.completion\_tokens で確認してください。

### アラビア語の機械翻訳の評価にはどの指標を使うべきですか？

既定の自動評価には chrF を使います。文字 n-gram は BLEU よりアラビア語の接語や表記ゆれにうまく対応できるからです。可能なら COMET も加え、システムごとに 30 セグメント以上をネイティブスピーカーにブラインドで評価してもらってください。

## 続けて読む

-   [アラビア語向け LLM API の選び方：何をテストすべきか](https://broadrouter.com/ja/blog/choosing-an-llm-for-arabic/)
-   [アラビア語のプロンプトエンジニアリング：文体、RTL、数字、混在テキスト](https://broadrouter.com/ja/blog/arabic-prompt-engineering/)
-   [アラビア語と英語の 1 語あたりのトークン数：アラビア語が高くつく理由](https://broadrouter.com/ja/blog/tokens-per-word-arabic-english/)
-   [JSON モードと json\_schema：壊れない構造化出力の作り方](https://broadrouter.com/ja/blog/structured-output-json-schema/)
-   [LLM でアプリの文字列をアラビア語に翻訳：プレースホルダーと複数形](https://broadrouter.com/ja/blog/translate-app-strings-to-arabic-llm/)
-   [アラビア語の音声を API で英語テキストに翻訳する：検証済みのパイプライン](https://broadrouter.com/ja/blog/translate-arabic-audio-to-english/)
-   [LLM でアラビア語に母音記号を付ける：プロンプト、検証、DER](https://broadrouter.com/ja/blog/arabic-diacritization-llm/)
-   [LLM でアラビア語の文法・スペルを校正する方法](https://broadrouter.com/ja/blog/arabic-grammar-spelling-correction-llm/)
-   [ガイド：OpenAI Python SDK を BroadNet Inference で使う](https://broadrouter.com/ja/guides/openai-python-sdk/)
-   [ガイド：ビジョンモデルでアラビア語の請求書とレシートを読み取る](https://broadrouter.com/ja/guides/read-arabic-invoices-with-vision/)

実際のワークロードで試してください。新規アカウントには US$5 の初回クレジットがあり、Gemma、文字起こし に使えます。DeepSeek、GLM、Qwen3.8 はチャージが必要です。

[始める](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-arabic-english-translation-llm&utm_content=page-cta) ·

**出典**

-   [BroadNet Inference 料金ページ、Qwen3.8 27B の「Tested in Arabic」の注記（2026-11-14 取得）（英語）](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-arabic-english-translation-llm&utm_content=sources)
-   [Popović「chrF: character n-gram F-score for automatic MT evaluation」（WMT 2015、2026-11-14 取得）](https://aclanthology.org/W15-3049/)
-   [Rei ほか「COMET: A Neural Framework for MT Evaluation」（arXiv 2009.09025、2026-11-14 取得）](https://arxiv.org/abs/2009.09025)
-   [NLLB Team「No Language Left Behind」（FLORES-200 で評価、arXiv 2207.04672、2026-11-14 取得）](https://arxiv.org/abs/2207.04672)
-   [FLORES-200 の言語リスト（MSA と、エジプト、ナジュド、レバント、メソポタミア、モロッコ、チュニジア、タイズ・アデンの各アラビア語、2026-11-14 取得）](https://github.com/facebookresearch/flores/blob/main/flores200/README.md)
