Speech-to-text bergelut dengan dialek Arab kerana ia berbeza daripada bahasa Arab Standard Moden (MSA) dari segi bunyi, perkataan dan ejaan, dan penutur mencampurkan bahasa Inggeris atau Perancis. Untuk mengetahui prestasi sesebuah penyedia, bina set ujian kecil bagi setiap dialek daripada audio sebenar anda dan skor setiap dialek secara berasingan.
Pemanggil dari Riyadh, nota suara dari Kaherah dan panggilan sokongan dari Casablanca semuanya “bahasa Arab”, dan satu model boleh mengendalikan yang pertama dengan baik tetapi yang ketiga dengan teruk.
Artikel ini menerangkan apa yang menjadikan setiap kumpulan dialek utama sukar untuk pengecaman pertuturan, dan cara membina ujian yang menunjukkan prestasi penyedia pada dialek anda. Untuk senarai semak pembelian yang lebih luas (harga, had, privasi), lihat panduan pembeli speech-to-text bahasa Arab.
Mengapakah dialek Arab sukar untuk pengecaman pertuturan?
Empat masalah bertindan:
- Bunyi berbeza. Huruf yang sama disebut secara berbeza mengikut wilayah, jadi model akustik mesti memetakan beberapa bunyi kepada satu ejaan.
- Perkataan berbeza. Perkataan harian berbeza mengikut dialek. Model yang kebanyakannya dilatih pada MSA mungkin “membetulkan” perkataan dialek kepada padanan formalnya, dan itu dikira sebagai ralat jika rujukan anda verbatim.
- Tiada ejaan piawai. Dialek ditulis secara tidak formal, jadi dua penyalin manusia pun tidak bersetuju. Data latihan juga tidak sekata: kajian 2024 tentang liputan dialek mencatat bahawa sistem ASR sedia ada “mainly cover the modern standard Arabic (MSA) variety and few high-resource dialects” (Terjemahan: kebanyakannya meliputi varian bahasa Arab standard moden (MSA) dan beberapa dialek yang kaya sumber) (arXiv 2411.05872).
- Pertukaran kod. Penutur mencampurkan bahasa Inggeris atau Perancis di tengah ayat. Set data Casablanca, yang meliputi lapan dialek, menganotasi pertukaran kod bersama dialek dan jantina.
Kertas Open Universal Arabic ASR Leaderboard (Interspeech 2025) menilai model sumber terbuka merentasi beberapa set ujian pelbagai dialek atas sebab inilah: satu skor bahasa Arab menyembunyikan sebaran prestasi.
Bagaimanakah setiap dialek Arab mengelirukan pengecaman pertuturan?
| Kumpulan dialek | Di mana | Titik masalah ASR yang biasa |
|---|---|---|
| Teluk (Khaleeji) | Arab Saudi, UAE, Kuwait, Qatar, Bahrain, Oman | Nama produk, nombor dan istilah jenama dalam bahasa Inggeris bercampur; sebutan qaf dan kaf mengikut wilayah |
| Mesir | Mesir | Jeem disebut sebagai g keras; qaf selalunya hentian glotis; sangat lazim dalam media, jadi model biasanya lebih kerap melihatnya |
| Levant | Syria, Lubnan, Jordan, Palestin | Qaf bandar sebagai hentian glotis; bercampur bahasa Perancis atau Inggeris, terutamanya di Lubnan |
| Maghreb (Darija) | Maghribi, Algeria, Tunisia, Libya | Paling jauh daripada MSA; vokal pendek digugurkan; pertukaran kod bahasa Perancis yang banyak; kata pinjaman Amazigh |
| Iraq | Iraq | Kosa kata dan sebutan tersendiri; kurang audio latihan awam |
Ini kecenderungan, bukan peraturan. Pertuturan bandar dan luar bandar berbeza dalam setiap kumpulan, dan penutur muda lebih kerap bertukar kod. Intinya, setiap kumpulan gagal dengan caranya sendiri, jadi skor setiap kumpulan secara berasingan.
Bagaimanakah cara membina set ujian dialek Arab?
1. Ambil sampel audio sebenar bagi setiap dialek
Ambil 30 hingga 50 klip setiap dialek daripada saluran yang akan anda gunakan dalam pengeluaran: panggilan telefon, nota suara WhatsApp, rakaman mesyuarat. Audio telefon pada 8 kHz berkelakuan berbeza daripada audio studio. Labelkan setiap klip mengikut dialek, dan tandakan klip yang mengandungi bahasa Inggeris atau Perancis.
2. Persetujui konvensyen ejaan dahulu
Sebelum sesiapa menulis rujukan, tentukan:
- Dialek verbatim (tulis apa yang disebut, dalam ejaan dialek), atau
- Dinormalkan (petakan kepada bentuk yang konsisten).
Tulis pilihan itu bersama contoh. Jika rujukan verbatim dan model mengeluarkan perkataan seperti MSA, WER akan kelihatan teruk walaupun maknanya betul. Kedua-dua pilihan tidak salah. Ia mesti sepadan dengan keperluan sistem hiliran anda.
3. Tulis rujukan untuk 10 klip setiap dialek
Minta penutur asli dialek itu mentranskripsikannya. Untuk klip bertukar kod, tentukan sama ada perkataan Inggeris kekal dalam tulisan Rumi, dan gunakannya di semua tempat.
4. Normalkan kedua-dua belah, kemudian buat skor
Buang baris (diakritik), seragamkan bentuk alif (إ أ آ kepada ا) dan ya akhir (ى kepada ي), buang tanda baca, dan tukar digit Arab Timur kepada digit Barat. Kemudian kira:
| Metrik | Mengapa |
|---|---|
| WER setiap dialek | Ukuran piawai; ketat terhadap klitik dan awalan |
| CER setiap dialek | Lebih bertolak ansur terhadap variasi ejaan |
| Ketepatan entiti | Bahagian nombor, tarikh dan nama yang ditranskripsikan dengan tepat |
| WER kumpulan bertukar kod | Menunjukkan sama ada perkataan Inggeris atau Perancis terselamat |
Pakej jiwer mengira WER dan CER; Arabic WER explained mempunyai fungsi penormalan yang boleh anda guna semula dan contoh lengkap tentang sejauh mana ia mengubah skor.
5. Baca transkrip
Nombor menentukan sama ada aliran kerja pusat panggilan atau perbankan berfungsi. Baca 20 transkrip setiap dialek dan semak setiap nombor, tarikh dan nama secara manual.
Apakah yang diberitahu oleh angka WER bahasa Arab yang diterbitkan?
Penanda aras awam memberi arah, bukan janji. BroadNet menerbitkan tiga angka WER untuk BroadNet Transcribe Arabic dalam katalog modelnya: 3.8 pada FLEURS-ar (pertuturan dibaca yang bersih), 21.1 pada MASC-ar (pertuturan dunia sebenar bercampur) dan 23.4 pada set dialeknya sendiri. Itu lonjakan enam kali ganda untuk model yang sama antara pertuturan dibaca dan pertuturan dialek, dan itulah sebabnya anda menguji pada dialek anda sendiri.
Apabila membandingkan penyedia, bandingkan mereka pada set ujian yang sama. Papan pendahulu seperti Open Universal Arabic ASR Leaderboard berguna kerana setiap model diskor dengan cara yang sama. Angka vendor sendiri pada set sendiri tidak boleh dibandingkan dengan angka vendor lain.
LLM manakah yang patut membaca transkrip dialek?
Transkrip biasanya disalurkan kepada LLM: untuk meringkaskan panggilan, menghala tiket atau menjawab soalan. Model itu juga perlu membaca dialek. Panduan memilih LLM untuk bahasa Arab kami menerangkan cara mengujinya, dan Qwen3.8 27B ialah model yang diuji oleh BroadNet pada dialek Teluk dan Mesir.
Di manakah BroadNet Inference sesuai
BroadNet Transcribe Arabic dibina untuk bahasa Arab termasuk dialek, berharga $0.0042 seminit ($0.25 sejam), dan BroadNet melaporkan ia #2 daripada 37 (angka September 2026; papan kedudukan langsung menyenaraikannya di #4 daripada 39 pada 15 November 2026) pada Open Universal Arabic ASR Leaderboard, dan #1 dalam kalangan model yang lesennya membenarkan perkhidmatan melalui API. Untuk nombor, tarikh dan nama dalam audio bising, BroadNet menawarkan versi yang ditala halus atas permintaan. Kredit permulaan $5 meliputi kira-kira 1,190 minit, cukup untuk ujian penuh di atas; kalkulator kos speech-to-text menukar volum pengeluaran anda kepada bil bulanan. Cipta kunci untuk bermula.
BroadNet tidak menerbitkan angka WER berasingan untuk setiap kumpulan dialek. Itulah sebabnya anda patut menjalankan ujian ini: angka set dialeknya hanya satu nombor, dan pelanggan anda bertutur satu atau dua dialek, bukan semuanya.
