BroadRouter

多言語に対応した AI 体験の設計

BroadNet Inference チーム · 約 7 分で読めます · 公開日

UI のロケールとコンテンツの言語という 2 つの設定を保存し、一方から他方を推測しないでください。方向はロケールから設定し、ユーザーとモデルのテキストは dir="auto" または bdi で分離し、数値と日付はロケールで書式化し、入力時に数字を正規化し、言語判定はヒントとして扱い、品質とコストは言語ごとに評価します。

アラビア語、英語、スペイン語のユーザー向けの AI 機能は、1 つのコードベースを共有する 3 つのプロダクトです。アラビア語では画面の向きが反転し、1 行の中に複数の文字体系が混ざり、数値と日付は地域によって形が変わります。モデルが違う言語で答えることもあり、言語ごとにコストも異なります。こうした問題の多くは、「言語」を 1 つの設定として扱うという、1 つの設計ミスから生まれます。

この記事ではプロダクトと UI の側を扱います。アプリ自体の文字列(プレースホルダー、複数形、ICU メッセージ)の翻訳はLLM でアプリの文字列をアラビア語に翻訳する、プロンプトの書き方はアラビア語のプロンプトエンジニアリングを参照してください。

UI ロケールとモデルの言語を分けるのはなぜですか?

答えるべき問いが違うからです。UI ロケール(ar-SA、en-US、es-MX)は、レイアウトの方向、ボタンの言語、数値と日付の見た目を決めます。コンテンツの言語は、個々のメッセージ、文書、録音の言語で、モデルに何を頼むかを決めます。

この 2 つは頻繁に食い違います。アラビア語 UI を使うサウジアラビアのユーザーが英語の契約書を貼り付ける。スペイン語のユーザーがアラビア語の請求書の写真をアップロードする。バイリンガルのオペレーターが会話の途中で言語を切り替える(コードスイッチング)。UI がアラビア語だからという理由でコードが「アラビア語で答えて」と送ると、英語の契約書に誰も頼んでいないアラビア語の要約が返ってきます。

そこで、ユーザーごと、メッセージごとに両方を保存します。

  • ui_locale:ユーザーが選択。既定値はブラウザーの言語。
  • answer_language:ユーザーが明示的に選んでいればその値、なければメッセージから判定した言語。
  • 音声の場合は audio_language:文字起こしモデルに渡す言語。BroadNet の API リファレンスでは、文字起こしリクエストには必ず language を送るよう求めています。送らないと、アラビア語がラテン文字で返ってくることがあります。

右から左のテキストと方向の混在にはどう対応しますか?

W3C のガイダンスに沿って、3 つの層で対応します。

  1. **ページの方向はロケールから。**アラビア語では html 要素に dir="rtl" と lang="ar" を設定します。W3C は、基本方向を CSS で設定しないこと、そしてマージン、パディング、配置には left と right ではなく論理値(start と end)を使うことを勧めています。
  2. 論理的な CSS。margin-left の代わりに margin-inline-start、left の代わりに text-align: start を使います。MDN は論理プロパティを、レイアウトを “through logical rather than physical direction”(訳:物理的な方向ではなく論理的な方向によって)制御するものと説明しています。これで 1 つのスタイルシートが両方の方向に対応します。
  3. **自分が書いていないテキストは分離する。**ユーザーのメッセージ、モデルの回答、商品名、注文番号は、それぞれ独自の方向を持っています。W3C のルールでは、実行時に差し込むテキストの方向が分からない場合、それを囲む要素に dir="auto" を付けるか、bdi 要素で囲みます。分離しないと、アラビア語の文末にある英語の注文番号が反対側に飛んだり、句読点がおかしな位置に来たりします。

チャット UI では、すべてのメッセージ吹き出しに dir="auto" を付けることになります。各メッセージが最初の強い方向性を持つ文字から方向を決めるためです。そして、自分の UI 文字列の中の名前やコードは bdi で囲みます。マークアップがない場所(プッシュ通知、SMS、CSV エクスポート)では、Unicode 双方向アルゴリズムの分離子が同じ役割を果たします。テキストの前に U+2068 FIRST STRONG ISOLATE、後ろに U+2069 POP DIRECTIONAL ISOLATE を置きます。

モデルの出力にはもう 1 つケースがあります。Markdown です。アラビア語で答えるモデルが、英語のコード、URL、表のセルを含めることがあります。コードブロックは明示的に dir="ltr" で描画し、各段落と表のセルには dir="auto" を付けてください。

数値と日付はロケールによってどう変えるべきですか?

書式化はプラットフォームに任せ、実際の出力をテストします。Node 24.22.1(ICU 78.3、CLDR 48)で Intl.NumberFormat と Intl.DateTimeFormat を使い、1234.5 と 2026 年 11 月 15 日を出力しました。

ロケール 数値 日付(long) 方向
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

注目すべき点が 4 つあります。アラビア語のロケールは数字が異なります。サウジアラビアの既定はアラビア・インド数字、UAE は西洋数字で、-u-nu-latn 拡張(MDN の numberingSystem を参照)を使うとロケールを西洋数字に切り替えられます。スペイン語は地域で異なります。スペインは小数点にカンマを使い、4 桁の数値には桁区切りを付けません。メキシコはドットです。アラブ世界では月名も異なります。ar-MA は 11 月を نونبر と出力し、ar-SA は نوفمبر と出力しました。また、ブラウザーはそれぞれ独自の ICU を同梱しているので、対象ブラウザーでも同じチェックを実行してください。

複数形は CLDR の規則に従います。ar の Intl.PluralRules は 0、1、2、3、11、100 に対して 6 つのカテゴリー(zero、one、two、few、many、other)を返しましたが、英語とスペイン語はこれらの数に one と other しか返しませんでした。文字列側の対応はアプリの文字列の記事にあります。

入力では、両方の数字の形を受け付けてください。ユーザーは数量欄に ١٢٣٤ と入力するかもしれません。解析の前に ASCII 数字に正規化し、プロンプトで数値を比較させるなら、モデルに送る前にも正規化します。

メッセージごとに言語を判定できますか?

部分的には可能です。アラビア文字とラテン文字の区別は簡単で確実です。Unicode のアラビア文字ブロックの文字を数えれば済みます。英語とスペイン語の区別や、ごく短いメッセージの判定には学習済みモデルが必要です。fastText は 176 言語に対応する言語識別モデルを 2 つ公開しています(lid.176.bin、126 MB と、圧縮版の lid.176.ftz、917 kB)。

ここまでの判断を実装した小さなヘルパーモジュールを示します。判定器はあえて単純にしてあり、単純な方法がどこで失敗するかを示しています。

// 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.`;
}

Node 24 で実行しました。وين طلبي؟ は ar、“¿Dónde está mi pedido?” は es、“Where is my order?” は en、注文番号 ORD-5521 を含むアラビア語の文は ar と判定されました。“ok” は und になり、プロンプトでは正しく “the language of the user’s message”(ユーザーのメッセージの言語)にフォールバックしました。そして、ラテン文字で書いたエジプト方言のアラビア語(Arabizi)である “ana 3ayez a3raf el order fen” は es と判定されました。単語 “el” がスペイン語に見えるためです。これがヒューリスティックの正直な結果です。ユーザーが Arabizi を書くなら、Arabizi の扱い方のように明示的に検出してアラビア語として扱い、回答言語をワンタップで修正できるようにしてください。

数字のヘルパーは ٢٠٢٦-١١-١٥ を 2026-11-15 に変換し、isolate() は囲む前に HTML をエスケープするので、Acme <Ltd> のような会社名でマークアップを注入されることはありません。

言語が変わると、ほかに何が変わりますか?

  • **テキストの長さ。**翻訳した UI テキストは長くなることがよくあります。W3C が引用する IBM のガイドラインでは、10 文字以下の英語の文字列はヨーロッパ言語で元の 200〜300% に、70 文字を超える文字列は約 130% になると見込んでいます。ボタンやラベルは折り返せるように設計し、スペイン語版を狭い幅でテストしてください。
  • **フォント。**アラビア文字のデザインが揃ったフォントファミリーを選び、アラビア語の行の高さを確認してください。発音記号には上下にスペースが必要です。
  • **検索と照合。**アラビア語のテキストは、照合の前に正規化(発音記号、アリフの異体、タトウィール)が必要です。アラビア語テキスト正規化ツールで各ルールを確認できます。
  • **音声。**文字起こしモデルは UI ではなく音声の言語で選びます。BroadNet はアラビア語モデルを 1 つと、英語、スペイン語、アラビア語を含む 14 言語対応のモデルを 1 つ提供しています。多言語モデルのページでは、アラビア語の音声にはアラビア語モデルを選ぶよう案内しています。選択肢の比較は多言語の音声認識の記事にあります。
  • 方言。「アラビア語」は 1 つのターゲットではありません。リヤド、カイロ、カサブランカのユーザーはそれぞれ書き方が違います。何をテストすべきかは湾岸方言とエジプト方言で扱っています。

言語ごとの評価と予算はどう立てますか?

別々に立てます。まとめたスコアは弱い言語を隠し、まとめた予算は高くつく言語を隠します。

実際のメッセージから言語ごとに小さな評価セットを作り、ネイティブスピーカーに期待する回答をラベル付けしてもらいます。回答が指定した言語になっているか、名前、数値、コードが変わらずに残っているか、対応する方言ごとに品質が保たれているかを確認します。モデルやプロンプトを変えるときは同じセットを実行します。方法は乗り換え前の LLM 評価にあります。

コストについては、トークン数は言語とトークナイザーによって異なります。BroadRouter の測定データセットでは、同じ現代標準アラビア語のテキストに、その英訳の 1.31×(Qwen3.8 27B)から 1.77×(GLM 5.3)のトークンが必要でした。言語別の実コストはこのトークン数をモデルごとの金額に換算しており、スペイン語も含まれます。アラビア語トークンカウンターでは自分のテキストを測定できます。リクエストごとにトークン数をコンテンツの言語と一緒に記録すれば、月単位だけでなく、ユーザーごと・言語ごとのコストが見えるようになります。

最後に、リリース前にネイティブのレビューを受けてください。機械翻訳もモデルの出力も、文法的には正しくても対象ユーザーには合わないアラビア語やスペイン語を生み出します。自分の言語でプロダクトを使うレビュアーは、どのテストでも見つからない問題に気づきます。

BroadNet Inference の位置付け

BroadRouter は BroadNet 自身のサイトです。BroadNet Inference のモデルは、アラビア語、英語、スペイン語のプロダクトにほどよく合います。BroadNet は Qwen3.8 27B を湾岸方言とエジプト方言の理解を含めてアラビア語でテストしたと報告しています。Gemma 4 VL 26B は $5 の初回クレジットで使えます。文字起こしは、アラビア語(BroadNet Transcribe Arabic、1 分あたり $0.0042)と、英語とスペイン語を含む 14 言語(BroadNet Transcribe、1 分あたり $0.002)に対応しています。推論の内容は保持されません。必要なアカウント、請求、セキュリティのメタデータは、BroadNet のプライバシー声明に記載のとおり保持されます。レイアウト、方向、書式、言語判定についてこの記事で述べたことは、どの API を使う場合でもアプリケーション側の仕事です。

よくある質問

AI は UI の言語とユーザーの言語のどちらで回答すべきですか?

既定ではユーザーのメッセージの言語で回答し、ユーザーが変更できるようにしてください。UI ロケールが決めるのは画面のレイアウトだけです。アラビア語 UI のユーザーが英語で入力したなら、たいていは英語の回答を求めています。

アラビア語のチャット吹き出しの中に英語をきれいに表示するには?

各メッセージ要素に dir="auto" を付けて、最初の強い方向性を持つ文字からブラウザーに方向を決めさせ、差し込む名前、コード、URL は bdi 要素で囲みます。プレーンテキストでは U+2068 FIRST STRONG ISOLATE と U+2069 POP DIRECTIONAL ISOLATE で囲んでください。

アラビア語のユーザーにはアラビア・インド数字を表示すべきですか?

地域とユーザーによります。Node 24 でのテストでは、ar-SA と ar-EG の既定はアラビア・インド数字、ar-AE と ar-MA は西洋数字でした。ロケールごとに選び、設定を用意し、入力では解析前に数字を正規化して両方を受け付けてください。

チャットメッセージの言語はどう判定しますか?

アラビア文字かラテン文字かの区別なら、Unicode のアラビア文字ブロックの文字数を数えれば十分です。英語とスペイン語の区別や、短いメッセージ・混在したメッセージには、fastText の lid.176 のような学習済みの言語識別モデルを使い、その結果もヒントとして扱ってください。

LLM API では、アラビア語は英語より高くつきますか?

メッセージ単位では、多くの場合そうです。多くのトークナイザーは、同じ内容のアラビア語により多くのトークンを使うためです。比率はモデルのトークナイザーによって異なります。自分のテキストで測定し、言語ごとに予算を立ててください。

Markdown で読むChatGPT に聞くClaude に聞くPerplexity に聞く

出典