---
title: "LLM 아랍어 영어 번역: 프롬프트와 품질 검수 | BroadRouter"
description: "LLM API로 아랍어를 영어로, 영어를 아랍어로 번역하는 방법입니다. 어조를 지키는 프롬프트, 고정 용어집, 숫자와 이름 처리, 품질 평가 방법을 정리했습니다."
url: https://broadrouter.com/ko/blog/arabic-english-translation-llm/
lang: ko
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

이 페이지는 영어 원문을 AI의 도움을 받아 번역했습니다. [영어 원문 읽기](https://broadrouter.com/blog/arabic-english-translation-llm/) (2026-11-14 업데이트).

# LLM으로 아랍어–영어 번역하기: 프롬프트, 용어집, 평가

BroadNet Inference 팀 · 5분 분량 · 게시 2026-11-14

LLM으로 아랍어와 영어를 번역하려면 모델에게 독자, 문체, 고정 용어집을 알려 주고, 숫자와 이름은 바꾸지 말라고 요청하고, 문단 크기로 나눠 번역하세요. 평가는 chrF나 COMET에 원어민 검토를 더합니다. BroadNet 테스트에서 Qwen3.8 27B는 아랍어와 영어 사이를 정확하게 번역했습니다.

## 핵심 요약

-   방향, 독자, 문체를 밝히세요. "아랍어로 번역해 줘"보다 "사우디 소매 고객, 정중한 MSA"가 낫습니다.
-   고정 용어집은 제품, 법률, UI 용어를 모든 청크와 모든 호출에서 똑같이 유지해 줍니다.
-   숫자, 날짜, 이름, 부정은 코드나 검토로 확인하세요. 비용이 큰 오류가 바로 이것들입니다.
-   자동 점수에는 chrF나 COMET을, 고객용이나 법률 문서에는 원어민 검토자를 쓰세요.
-   BroadNet은 자체 테스트에서 Qwen3.8 27B가 아랍어–영어를 정확하게 번역했다고 보고합니다.

**이 페이지의 내용**

1.  아랍어–영어 번역은 왜 LLM에게 까다로운가요?
2.  좋은 아랍어 번역을 얻는 프롬프트는?
3.  용어집은 왜 그렇게 중요한가요?
4.  긴 문서는 어떻게 나눠야 하나요?
5.  위험한 오류는 어떻게 잡나요?
6.  번역 품질은 어떻게 평가하나요?
7.  어떤 모델을 쓰고, 비용은 얼마나 드나요?
8.  계약서와 티켓을 API로 보내도 되나요?

LLM으로 아랍어와 영어 사이를 번역하려면 모델에게 방향, 독자, 문체를 알려 주고, 고정 용어집을 주고, 숫자와 이름은 그대로 두게 하고, 문단 크기로 나눠 보내세요. 그런 다음 숫자와 부정은 코드로 확인하고, chrF, COMET, 원어민 검토자로 채점하세요.

이런 통제가 아랍어에서 중요한 이유는, 직역이 틀리지 않았는데도 외국어처럼 읽힐 수 있기 때문입니다.

## 아랍어–영어 번역은 왜 LLM에게 까다로운가요?

-   **문체.** 격식 아랍어([현대 표준 아랍어](https://broadrouter.com/ko/glossary/msa/), فصحى)와 일상 구어는 차이가 큽니다. 영어로는 캐주얼한 마케팅 문구가 MSA로 직역하면 딱딱하거나 우스꽝스러워질 수 있습니다.
-   **어순과 길이.** 아랍어 문장은 동사로 시작하는 경우가 많고, 아랍어 텍스트는 영어와 길이가 다른 경우가 많습니다. 영어에서는 들어맞던 UI 문자열이 줄바꿈되거나 넘칠 수 있습니다.
-   **성과 수.** 아랍어는 동사, 형용사, 대명사에 성을 표시하고 쌍수가 있습니다. 영어의 “you”는 أنتَ, أنتِ, أنتما, أنتم, أنتنّ 중 하나가 되어야 합니다. 독자를 모른다면 어떤 기본값을 쓸지 모델에게 알려 주세요.
-   **이름과 음역.** “محمد”는 영어 철자가 여럿입니다(Mohammed, Muhammad, Mohamed). 사람마다 하나를 정해 유지하세요.
-   **숫자와 날짜.** 동아랍 숫자, 히즈라력 날짜, 오른쪽에서 왼쪽 서식에는 모두 명시적인 규칙이 필요합니다.

## 좋은 아랍어 번역을 얻는 프롬프트는?

번역 품질은 교묘한 표현보다 지시 내용에 훨씬 크게 좌우됩니다. 모델에게 방향, 독자, 문체, 용어집, 출력 형식을 알려 주세요.

```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
```

아랍어 → 영어라면 방향을 뒤집고, 영어 독자에게 필요한 것을 더하세요. “American English, plain style, keep Arabic personal names in the spelling given in the glossary”(번역: 미국 영어, 평이한 문체, 아랍어 인명은 용어집에 정한 철자로 유지)처럼요. 원문이 방언일 수 있다면 그렇게 밝히세요. “The source may be Gulf or Egyptian Arabic; translate the meaning, not word for word.”(번역: 원문은 걸프나 이집트 아랍어일 수 있습니다. 단어 그대로가 아니라 의미를 번역하세요.)

## 용어집은 왜 그렇게 중요한가요?

용어집이 없으면 모델은 “refund”를 한 문단에서는 استرجاع로, 다음 문단에서는 استرداد로 번역할 수 있습니다. 둘 다 괜찮은 아랍어지만, 함께 쓰이면 엉성해 보이고 검색도 깨집니다. 용어집이 이를 바로잡습니다.

1.  **기존 번역에서 시작하세요.** 이미 두 언어로 갖고 있는 헬프 센터, 계약서, UI 문자열에서 용어를 뽑으세요.
2.  **짧게 유지하세요.** 50~200개면 대부분의 제품을 다룹니다. 바뀌면 안 되는 용어만 넣으세요.
3.  **번역 금지 항목을 넣으세요.** 브랜드명, 제품명, 플랜 이름, 코드 식별자입니다.
4.  **시스템 프롬프트에, 텍스트보다 앞에 두세요.** 그러면 캐시 가능한 접두부에 들어가 반복 호출의 입력 비용도 낮아집니다. [캐시된 입력 토큰](https://broadrouter.com/ko/blog/cached-input-tokens-explained/)을 참고하세요.
5.  **코드로 확인하세요.** 번역 후, 원문에 나온 용어집 용어가 번역문에 정해진 형태로 들어 있는지 검증하세요.

## 긴 문서는 어떻게 나눠야 하나요?

문장 단위가 아니라 문단이나 섹션 단위로 번역하세요. 문장 단위 호출은 문맥을 잃습니다(“그”가 누구인지, “그것”이 어느 제품인지). 문서 전체를 한 번에 보내는 호출은 긴 컨텍스트 모델에서 통하지만, 실수 하나를 찾아 재시도하기가 더 어렵습니다. 수백 단어 정도의 섹션이 적당한 균형입니다. 일관성이 중요하다면 이전 섹션의 번역을 문맥으로 함께 넘기세요.

[Qwen3.8 27B](https://broadrouter.com/ko/models/qwen3.8-27b/)의 컨텍스트는 262,144토큰이고, [DeepSeek V4.1 Flash](https://broadrouter.com/ko/models/deepseek-v4.1-flash/)와 [GLM 5.3](https://broadrouter.com/ko/models/glm-5.3/)은 최대 1,048,576토큰을 받으므로, 번역할 텍스트와 함께 긴 참고 문서를 넣기에 충분합니다.

## 위험한 오류는 어떻게 잡나요?

유창한 출력은 실수를 가립니다. 다음은 자동으로 확인하세요.

-   **숫자:** 원문과 번역문에서 (동아랍 숫자를 변환한 뒤) 모든 숫자를 뽑아 집합을 비교합니다.
-   **부정:** “not”(لا, لم, لن, ليس, ما)이 빠지면 의미가 뒤집힙니다. 원문에는 부정이 있는데 번역문에는 없는 문장을 표시하세요.
-   **이름과 용어집 용어:** 바뀌지 않고 남았는지 검증합니다.
-   **길이 비율:** 예상보다 훨씬 짧은 번역문은 대개 무언가를 건너뛰었다는 뜻입니다.

```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
```

소수점 구분 기호는 로캘마다 다를 수 있으므로(아랍어 텍스트는 때로 ٫를 씁니다), 문서에서 쓴다면 이것도 정규화하세요.

## 번역 품질은 어떻게 평가하나요?

자동 지표는 프롬프트나 모델을 바꿨을 때 평균적으로 나아졌는지 나빠졌는지를 알려 줍니다.

| 지표 | 측정 대상 | 아랍어에 대한 메모 |
| --- | --- | --- |
| BLEU | 참조 번역과의 단어 n-gram 겹침 | 접어와 철자 변형이 단어 형태를 바꾸는 아랍어에 가혹함 |
| [chrF](https://aclanthology.org/W15-3049/) | 문자 n-gram 겹침 | 아랍어 형태론에 더 관대함. 더 나은 기본값 |
| [COMET](https://arxiv.org/abs/2009.09025) | 신경망 모델의 품질 판단 | 사람 평가와 상관관계가 더 높음. GPU나 호스팅된 채점기가 필요 |

공개 벤치마크로는 [No Language Left Behind](https://arxiv.org/abs/2207.04672) 프로젝트가 쓴 FLORES-200이 있습니다. [언어 목록](https://github.com/facebookresearch/flores/blob/main/flores200/README.md)에 따르면 영어와 함께 현대 표준 아랍어, 그리고 이집트, 나즈드, 북부·남부 레반트, 메소포타미아, 모로코, 튀니지, 타이즈-아덴 아랍어가 들어 있습니다. 하지만 진짜 테스트는 내 콘텐츠입니다.

1.  전문 번역이 이미 있는 대표 구간 100~200개를 고르세요.
2.  모델과 프롬프트 버전마다 번역하세요.
3.  모든 시스템에 같은 방식으로 아랍어 철자를 정규화한 뒤 chrF(가능하면 COMET도)를 채점하세요.
4.  원어민에게 어느 시스템이 만든 것인지 모르게 한 채, 시스템마다 30개 구간의 정확성과 자연스러움을 평가하게 하세요.
5.  위의 위험한 오류 검사는 별도 개수로 추적하세요.

## 어떤 모델을 쓰고, 비용은 얼마나 드나요?

BroadNet은 자체 테스트에서 [Qwen3.8 27B](https://broadrouter.com/ko/models/qwen3.8-27b/)가 아랍어와 영어 사이를 정확하게 번역하고, 유창한 아랍어를 쓰고, 걸프와 이집트 방언을 이해했다고 보고합니다. 그래서 BroadNet Inference에서는 자연스러운 첫 후보입니다. [DeepSeek V4.1 Flash](https://broadrouter.com/ko/models/deepseek-v4.1-flash/)도 테스트해 볼 만합니다. 출력 토큰이 더 저렴하고, 무제한 정액 플랜에 쓰이는 모델입니다. [DeepSeek V4.1 Flash와 Qwen3.8 27B 비교](https://broadrouter.com/compare/deepseek-v4.1-flash-vs-qwen3.8-27b/)에서 둘을 나란히 볼 수 있습니다.

100만 토큰당:

| 모델 | 입력 | 출력 |
| --- | --- | --- |
| Qwen3.8 27B | $0.175 | $2.17 |
| DeepSeek V4.1 Flash | $0.175 | $0.52 |
| GLM 5.3 | $0.78 | $3.46 |

번역 출력은 입력과 길이가 비슷하고, 세 모델 모두 답하기 전에 추론하므로 청구액은 대개 출력 토큰이 좌우합니다. 아랍어는 또한 영어보다 단어당 토큰이 많이 드는 편입니다. [아랍어와 영어의 단어당 토큰 수](https://broadrouter.com/ko/blog/tokens-per-word-arabic-english/)를 참고하세요. 샘플을 무료 [아랍어 토큰 카운터](https://broadrouter.com/tools/arabic-token-counter/)에 붙여 넣고, 실제 요청의 `usage`로 확인한 뒤, [LLM API 비용 계산기](https://broadrouter.com/tools/llm-api-cost-calculator/)로 월 지출을 추정하세요. DeepSeek V4.1 Flash로 대규모 일회성 현지화 프로젝트를 한다면, 주 $15 의 주간 플랜이 토큰 계량을 완전히 없애 줍니다.

## 계약서와 티켓을 API로 보내도 되나요?

계약서, 의료 서신, 지원 티켓에는 개인정보가 담긴 경우가 많습니다. BroadNet Inference는 요청이 끝난 뒤 프롬프트와 출력을 보관하지 않습니다. [데이터 무보관(ZDR)](https://broadrouter.com/ko/privacy/)을 참고하세요. 번역 메모리와 로그도 같은 규칙을 따르는지 확인하세요.

관련 무료 도구 (영어)

-   [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.

[무료 도구 (영어)](https://broadrouter.com/tools/)

## 이 글의 용어

[현대 표준 아랍어(MSA, Modern Standard Arabic)](https://broadrouter.com/ko/glossary/msa/)

현대 표준 아랍어(MSA)는 아랍 세계 전역에서 글, 뉴스, 교육, 격식 있는 연설에 쓰는 표준화된 아랍어입니다. 누구도 일상 모국어로 쓰지 않습니다. 사람들은 이집트 아랍어나 걸프 아랍어 같은 지역 방언으로 말하고, 격식 있는 자리에서 MSA로 바꿉니다.

[도구 호출(tool calling)](https://broadrouter.com/ko/glossary/tool-calling/)

도구 호출(tool calling)은 함수 호출(function calling)이라고도 하며, 모델이 개발자가 정의한 함수를 실행해 달라는 구조화된 요청을 JSON 인자와 함께 반환하는 LLM API 기능입니다. 함수는 애플리케이션이 실행하고 그 결과를 다시 보냅니다. 모델이 직접 코드를 실행하지는 않습니다.

[데이터 비보관(Zero data retention, ZDR)](https://broadrouter.com/ko/glossary/zero-data-retention/)

데이터 비보관(ZDR)은 AI 제공업체가 프롬프트와 출력을 요청 처리에만 사용하고, 처리 후에는 그 내용을 로그, 캐시, 학습 데이터 어디에도 저장하지 않는 데이터 처리 정책입니다. 토큰 수나 처리 시간처럼 내용이 없는 기록은 보통 계속 보관됩니다.

[아랍어 방언(dialectal Arabic)](https://broadrouter.com/ko/glossary/dialectal-arabic/)

아랍어 방언(dialectal Arabic)은 이집트, 걸프, 레반트, 마그레브 아랍어처럼 지역이나 도시에서 일상적으로 쓰는 구어 아랍어입니다. 방언은 소리, 어휘, 문법에서 현대 표준 아랍어와 다르고, 표준 철자가 없으며, 온라인에서 점점 더 많이 글로 쓰이기 때문에 언어 모델이 다루기 더 어렵습니다.

[입력 토큰과 출력 토큰(input and output tokens)](https://broadrouter.com/ko/glossary/input-and-output-tokens/)

입력 토큰은 언어 모델이 요청에서 읽는 토큰으로, 시스템 프롬프트, 대화 기록, 도구 정의, 이미지가 포함됩니다. 출력 토큰은 모델이 응답으로 생성하는 토큰으로, 추론도 포함됩니다. LLM API는 보통 둘에 따로 가격을 매기며, 대개 출력이 더 비쌉니다.

[캐시된 입력 토큰(cached input tokens)](https://broadrouter.com/ko/glossary/cached-input-tokens/)

캐시된 입력 토큰은 LLM 제공업체가 최근에 처리해 두었다가 다시 계산하지 않고 캐시에서 재사용할 수 있는 프롬프트 토큰입니다. 보통 시스템 프롬프트나 문서처럼 반복되는 접두부(prefix)이며, 제공업체는 이를 새 입력 토큰보다 낮은 단가로 과금합니다.

[RTL 텍스트(오른쪽에서 왼쪽 쓰기, right-to-left text)](https://broadrouter.com/ko/glossary/rtl-text/)

RTL(right-to-left) 텍스트는 아랍어나 히브리어처럼 오른쪽에서 왼쪽으로 표시되는 문자입니다. 컴퓨터는 이를 읽는 순서인 논리 순서로 저장하며, RTL 텍스트가 왼쪽에서 오른쪽으로 쓰는 텍스트, 숫자, 모델 이름, 코드와 섞이면 유니코드 양방향 알고리즘이 표시 순서를 정합니다.

## 자주 묻는 질문

### 아랍어에는 전용 번역 API보다 LLM이 더 나은가요?

짧고 일반적인 텍스트에서는 차이가 작을 수 있습니다. 어조, 용어집, 서식, 방언 입력을 통제해야 할 때는 LLM이 낫습니다. 원하는 것을 프롬프트에 정확히 적을 수 있기 때문입니다.

### 모델이 아랍어 방언을 영어로 번역할 수 있나요?

대개 가능합니다. 번역은 이해에 달려 있고, 모델은 방언을 쓰는 것보다 이해하는 것을 더 잘하기 때문입니다. BroadNet은 자체 테스트에서 Qwen3.8 27B가 걸프와 이집트 방언을 이해했다고 보고합니다. 원어민과 샘플을 확인하세요.

### 법률 문서를 기계 번역해도 되나요?

초안과 내용 파악에는 LLM을 쓰되, 법적 효력이 있는 문서는 자격을 갖춘 번역가에게 검토받으세요. 많은 관할권에서 공식 제출 서류에는 공인된 사람의 번역을 요구하기도 합니다.

### 아랍어 번역문이 영어보다 토큰이 많은 이유는 무엇인가요?

토크나이저는 아랍어를 영어보다 단어당 더 많은 토큰으로 쪼개는 경우가 많습니다. 샘플을 토큰 카운터에 붙여 넣은 뒤, 실제 요청의 usage.prompt\_tokens와 usage.completion\_tokens로 확인하세요.

### 아랍어 기계 번역 평가에는 어떤 지표를 써야 하나요?

기본 자동 점수로는 chrF를 쓰세요. 문자 n-gram은 BLEU보다 아랍어 접어와 철자 변형에 잘 대처합니다. 돌릴 수 있다면 COMET을 더하고, 시스템마다 30개 이상의 구간을 원어민이 블라인드로 평가하게 하세요.

## 이어서 읽기

-   [아랍어용 LLM API 선택: 무엇을 테스트해야 하나](https://broadrouter.com/ko/blog/choosing-an-llm-for-arabic/)
-   [아랍어 프롬프트 엔지니어링: 문체, RTL, 숫자, 혼용 텍스트](https://broadrouter.com/ko/blog/arabic-prompt-engineering/)
-   [아랍어와 영어의 단어당 토큰 수: 아랍어가 더 비싼 이유](https://broadrouter.com/ko/blog/tokens-per-word-arabic-english/)
-   [JSON 모드 vs json\_schema: 믿고 쓸 수 있는 구조화된 출력](https://broadrouter.com/ko/blog/structured-output-json-schema/)
-   [LLM으로 앱 문자열 아랍어 번역하기: 플레이스홀더와 복수형](https://broadrouter.com/ko/blog/translate-app-strings-to-arabic-llm/)
-   [API로 아랍어 음성을 영어 텍스트로 번역하기: 테스트한 파이프라인](https://broadrouter.com/ko/blog/translate-arabic-audio-to-english/)
-   [LLM으로 아랍어 발음 부호 넣기: 프롬프트, 검증, DER](https://broadrouter.com/ko/blog/arabic-diacritization-llm/)
-   [LLM으로 아랍어 문법·맞춤법 교정하기: 실전 가이드](https://broadrouter.com/ko/blog/arabic-grammar-spelling-correction-llm/)
-   [가이드: BroadNet Inference에서 OpenAI Python SDK 사용하기](https://broadrouter.com/ko/guides/openai-python-sdk/)
-   [가이드: 비전 모델로 아랍어 인보이스와 영수증 읽기](https://broadrouter.com/ko/guides/read-arabic-invoices-with-vision/)

실제 워크로드로 테스트해 보세요. 신규 계정에는 US$5 상당의 초기 크레딧이 제공되며 Gemma 및 음성 전사에 사용할 수 있습니다. DeepSeek, GLM 및 Qwen3.8 모델은 충전이 필요합니다.

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

**출처**

-   [BroadNet Inference 가격 페이지, Qwen3.8 27B "Tested in Arabic" 메모 (2026-11-14 확인) (영어)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=ko-blog-arabic-english-translation-llm&utm_content=sources)
-   [Popović, chrF: character n-gram F-score for automatic MT evaluation (WMT 2015, 2026-11-14 확인)](https://aclanthology.org/W15-3049/)
-   [Rei 외, COMET: A Neural Framework for MT Evaluation (arXiv 2009.09025, 2026-11-14 확인)](https://arxiv.org/abs/2009.09025)
-   [NLLB Team, No Language Left Behind (FLORES-200으로 평가, arXiv 2207.04672, 2026-11-14 확인)](https://arxiv.org/abs/2207.04672)
-   [FLORES-200 언어 목록 (MSA와 이집트, 나즈드, 레반트, 메소포타미아, 모로코, 튀니지, 타이즈-아덴 아랍어, 2026-11-14 확인)](https://github.com/facebookresearch/flores/blob/main/flores200/README.md)
