---
title: "Arabizi (franco-árabe) com LLMs: detectar e converter"
description: "O Arabizi escreve árabe com letras latinas e dígitos como 3 para ع e 7 para ح. Como detectá-lo, convertê-lo para o alfabeto árabe com um LLM e responder bem."
url: https://broadrouter.com/pt/blog/arabizi-llm-handling/
lang: pt-BR
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduzido do inglês com ajuda de IA. [Leia o original em inglês](https://broadrouter.com/blog/arabizi-llm-handling/) (atualizado em 2026-11-16).

# Arabizi e LLMs: como lidar com o franco-árabe e números como 3 e 7

Pela equipe da BroadNet Inference · 5 min de leitura · Publicado em 2026-11-14 · Atualizado em 2026-11-16

O Arabizi, também chamado de franco-árabe, é árabe escrito com letras latinas e dígitos para os sons que o alfabeto latino não tem: 3 para ع, 7 para ح, 2 para ء, 5 para خ. Os LLMs normalmente o entendem, mas o convertem de forma inconsistente. Detecte-o, peça ao modelo que translitere para o alfabeto árabe dizendo o dialeto e processe o texto em árabe.

## Pontos principais

-   Dígitos comuns: 2 = ء, 3 = ع, 5 = خ, 6 = ط, 7 = ح, 8 = غ ou ق, 9 = ص. O uso varia de país para país.
-   O Arabizi é quase sempre dialeto, não MSA, então diga ao modelo qual dialeto esperar.
-   Converta para o alfabeto árabe antes de busca, análise ou roteamento; guarde o original para auditoria.
-   Decida o alfabeto da resposta por produto: alfabeto árabe, Arabizi ou inglês. Não espelhe o Arabizi por padrão.
-   Arabizi é um problema de texto digitado. Saída em letras latinas vinda da fala para texto normalmente indica que faltou language=ar na requisição.

**Nesta página**

1.  Quais números representam quais letras árabes?
2.  Por que o Arabizi é difícil para software?
3.  Os LLMs lidam bem com Arabizi?
4.  Como converter Arabizi para o alfabeto árabe com um LLM?
5.  Em qual alfabeto a resposta deve sair?
6.  Qual modelo usar para Arabizi?
7.  Onde o Arabizi aparece?

O [Arabizi](https://broadrouter.com/pt/glossary/arabizi/), também chamado de franco-árabe ou “Franco”, é árabe escrito com letras latinas e dígitos para os sons que o alfabeto latino não tem, como 3 para ع e 7 para ح. Para lidar com ele usando um LLM, detecte-o, faça o modelo convertê-lo para o alfabeto árabe dizendo qual é o dialeto e rode o resto do pipeline sobre o texto em árabe.

“ana 3ayez a7gez ma3ad bokra” é uma mensagem comum de cliente no Egito: “أنا عايز أحجز ميعاد بكرة” (quero marcar um horário para amanhã). Ele nasceu em celulares e computadores sem teclado árabe e ainda aparece em conversas de chat.

## Quais números representam quais letras árabes?

Não há padrão, mas os dígitos são usados para letras árabes que se parecem com eles ou que não têm equivalente latino. A visão geral do [alfabeto de chat árabe](https://en.wikipedia.org/wiki/Arabic_chat_alphabet) lista as convenções comuns:

| Dígito | Letra árabe | Exemplo | Alfabeto árabe | Significado |
| --- | --- | --- | --- | --- |
| 2 | ء (hamza) / أ | so2al | سؤال | pergunta |
| 3 | ع | 3arabi | عربي | árabe |
| 3’ ou 8 | غ | 8aly / 3’aly | غالي | caro |
| 5 ou kh | خ | 5alas | خلاص | pronto / chega |
| 6 | ط | 6ayeb | طيب | OK (Golfo) |
| 7 | ح | 7abibi | حبيبي | meu querido |
| 9 | ص | 9ba7 | صباح | manhã (Golfo) |
| 8 | ق (em algumas regiões) | 8alb | قلب | coração |

Os hábitos regionais variam. A visão geral observa, por exemplo, que 8 para غ só é usado no Líbano, enquanto 8 e 9 para ق são comuns na Arábia Saudita; no Arabizi egípcio, 2 pode representar ق onde ele é pronunciado como oclusiva glotal. As vogais são escritas de ouvido, então “ma3lesh”, “ma3lsh” e “m3lsh” (معلش, deixa pra lá) são todos a mesma palavra.

## Por que o Arabizi é difícil para software?

-   **É quase sempre dialeto.** As pessoas escrevem Arabizi do jeito que falam, então ele traz todos os desafios dos dialetos de uma vez, sem o alfabeto árabe como âncora.
-   **Parece inglês ou francês.** “bas” é بس (mas / só) em árabe e nada em inglês; “men” é من (de / quem). Detectores de palavras-chave e ferramentas de identificação de idioma muitas vezes rotulam o Arabizi como inglês ou outro idioma de alfabeto latino.
-   **Sem grafia padrão.** Busca por correspondência exata, regras de intenção e análises quebram.
-   **[Code-switching](https://broadrouter.com/pt/glossary/code-switching/).** “el order bta3i lessa ma waslsh, can u check?” mistura Arabizi egípcio e inglês na mesma frase.

Conversores baseados em regras sofrem porque uma sequência latina pode corresponder a muitas grafias árabes; sistemas de pesquisa como o [trabalho de Darwish sobre detecção e conversão de Arabizi](https://arxiv.org/abs/1306.6755) combinavam mineração de transliterações com modelagem de linguagem para escolher a palavra certa, e relataram 88,7% de precisão na conversão. Os LLMs modernos, na prática, fazem isso em um passo só.

## Os LLMs lidam bem com Arabizi?

Modelos grandes viram Arabizi em textos da web e de redes sociais, então muitas vezes entendem frases comuns. Os resultados variam por modelo e dialeto, então teste antes de depender disso. Falhas típicas:

1.  **Tratar como inglês** e responder a uma mensagem mal entendida.
2.  **Converter para o dialeto errado,** por exemplo “transformando” egípcio em palavras do MSA que mudam o tom, ou supondo Golfo quando o usuário é libanês.
3.  **Alfabeto de saída inconsistente,** respondendo em Arabizi a uma mensagem e em alfabeto árabe à seguinte.
4.  **Precisão alucinada** em nomes e lugares, em que a grafia latina é ambígua.

A solução é a mesma dos dialetos em geral: diga ao modelo o que esperar e o que produzir.

## Como converter Arabizi para o alfabeto árabe com um LLM?

Primeiro converta o Arabizi para o alfabeto árabe e depois rode o resto do pipeline (busca, roteamento, respostas) sobre o texto em árabe. Assim você mantém um único caminho no código e a busca e as análises funcionam.

```python
import json, os
from openai import OpenAI

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

NORMALISE = """You receive a customer message that may be in Arabic script, English,
or Arabizi (Arabic written in Latin letters and digits, e.g. 3=ع, 7=ح, 2=ء, 5=خ).
Customers are mostly Egyptian. Return JSON only:
{"script": "arabic" | "arabizi" | "latin_english" | "mixed",
 "dialect": "egyptian" | "gulf" | "levantine" | "msa" | "other" | null,
 "arabic_text": "<the message in Arabic script, keeping the dialect words; keep English words in Latin letters>",
 "english_gloss": "<short English meaning>"}"""

def normalise(message: str) -> dict:
    r = client.chat.completions.create(
        model="broadnet/qwen3.8-27b",
        max_tokens=1500,  # the model reasons first; leave room for the JSON
        messages=[{"role": "system", "content": NORMALISE},
                  {"role": "user", "content": message}],
    )
    text = r.choices[0].message.content.strip()
    text = text.removeprefix("```json").removeprefix("```").removesuffix("```")
    return json.loads(text)  # validate the fields before you trust them

print(normalise("el order bta3i lessa ma waslsh, can u check?"))
```

Um bom resultado:

```json
{"script": "mixed", "dialect": "egyptian",
 "arabic_text": "الأوردر بتاعي لسه ما وصلش، can u check?",
 "english_gloss": "My order still hasn't arrived, can you check?"}
```

Observações sobre esse desenho:

-   **Mantenha as palavras do dialeto.** Pedir “a mensagem em alfabeto árabe, mantendo as palavras do dialeto” evita que ela seja reescrita em silêncio para MSA, o que faria perder sentido para roteamento e análise de sentimento.
-   **Guarde o original.** Armazene a mensagem bruta ao lado da conversão, para auditorias e para retreinar regras.
-   **Use um pré-filtro barato.** Uma checagem simples (letras latinas mais os dígitos 2, 3, 5, 6, 7, 8 ou 9 dentro das palavras, como na regex abaixo) pega a maior parte do Arabizi antes de você gastar uma chamada de LLM. Mensagens só em árabe ou só em inglês podem pular a conversão. Para uma saída mais rígida, use [saída estruturada](https://broadrouter.com/pt/glossary/structured-output/) com um schema.

```python
import re
ARABIZI_HINT = re.compile(r"\b[a-z]*[2356789][a-z]+\b|\b[a-z]+[2356789][a-z]*\b", re.I)
def maybe_arabizi(text: str) -> bool:
    return bool(ARABIZI_HINT.search(text)) and not re.search(r"[؀-ۿ]", text)
```

A pista não pega Arabizi sem dígitos (“ana mesh fahem”, não entendi) e dispara em códigos de produto como “a7x”; trate-a como economia de custo, não como classificador. A decisão real é o campo `script` do LLM.

## Em qual alfabeto a resposta deve sair?

Decida por produto, não por mensagem:

| Responder em | Quando |
| --- | --- |
| Alfabeto árabe (MSA ou dialeto leve) | Padrão para a maioria das empresas; todo mundo lê |
| Inglês | Se seu idioma de suporte é o inglês, ou se o cliente escreveu sobretudo em inglês |
| Arabizi | Marcas jovens que querem acompanhar o estilo do cliente; peça a nativos que revisem amostras |

Espelhar o Arabizi automaticamente tende a gerar grafias que parecem estranhas para usuários nativos, porque não há padrão a seguir. Se for espelhar, dê ao modelo exemplos das grafias que você prefere. Mais sobre registro e alfabeto em [engenharia de prompt em árabe](https://broadrouter.com/pt/blog/arabic-prompt-engineering/).

## Qual modelo usar para Arabizi?

Reúna de 50 a 100 mensagens reais em Arabizi dos seus canais, escreva para cada uma a versão correta em alfabeto árabe e a intenção, e avalie os modelos candidatos primeiro pela precisão de intenção e depois pela qualidade da conversão. A BroadNet informa que, nos testes dela, o [Qwen3.8 27B](https://broadrouter.com/pt/models/qwen3.8-27b/) entendeu os dialetos do Golfo e egípcio e escreveu árabe fluente; ela não publicou resultado específico para Arabizi, então teste nas suas mensagens. O [DeepSeek V4.1 Flash](https://broadrouter.com/pt/models/deepseek-v4.1-flash/) é mais barato por token de output, e o [BroadNet Gemma 4 VL 26B](https://broadrouter.com/pt/models/gemma-4-vl-26b/) é o modelo mais barato da BroadNet para uma etapa de pré-classificação em grande volume. Os preços estão na [página de preços](https://broadrouter.com/pt/pricing/). Arabizi em alfabeto latino e texto em alfabeto árabe são tokenizados de forma diferente, então cole as duas versões de algumas mensagens no [contador de tokens](https://broadrouter.com/tools/token-counter/) gratuito antes de estimar o custo.

## Onde o Arabizi aparece?

-   **WhatsApp e DMs de redes sociais:** a fonte principal. Veja [arquitetura de chatbot de WhatsApp em árabe](https://broadrouter.com/pt/blog/arabic-whatsapp-chatbot-architecture/).
-   **Caixas de busca:** os usuários digitam “7agz” (حجز, reserva). Normalize as consultas com o mesmo passo antes da [recuperação RAG em árabe](https://broadrouter.com/pt/blog/arabic-rag-search/).
-   **Não da fala para texto, se você enviar o idioma.** Arabizi é digitado por pessoas. Se a transcrição de um áudio em árabe volta em letras latinas, provavelmente falta `language=ar` na requisição; a documentação da BroadNet avisa que, sem isso, o árabe pode ser transliterado. Veja o [guia de áudios do WhatsApp](https://broadrouter.com/pt/guides/transcribe-whatsapp-voice-notes/).

Ferramentas gratuitas sobre o tema (em inglês)

-   [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.

[Ferramentas gratuitas (em inglês)](https://broadrouter.com/tools/)

## Termos neste artigo

[Arabizi](https://broadrouter.com/pt/glossary/arabizi/)

Arabizi é árabe escrito de modo informal com letras latinas, usando dígitos para sons árabes sem equivalente latino, como 3 para ع. É comum em chats e redes sociais, é quase sempre dialetal, não tem grafia padrão e muitas vezes vem misturado com inglês ou francês.

[Code-switching (alternância de código)](https://broadrouter.com/pt/glossary/code-switching/)

Code-switching é o uso de dois ou mais idiomas, ou variedades de um mesmo idioma, dentro da mesma conversa ou frase, na fala ou na escrita. Exemplos são falantes de árabe que misturam palavras em inglês ao dialeto, ou que alternam entre o árabe padrão moderno e o próprio dialeto.

[Hamza (letra árabe)](https://broadrouter.com/pt/glossary/hamza/)

Hamza (ء) é a letra árabe que representa a oclusiva glotal. Ela é escrita sozinha ou sobre um suporte: alef (أ إ), waw (ؤ) ou yeh (ئ), e آ junta alef e madda. Como o texto digitado é inconsistente com ela, buscadores e a avaliação de fala costumam reduzir as formas com alef a ا.

[Tool calling (chamada de ferramentas)](https://broadrouter.com/pt/glossary/tool-calling/)

Tool calling, também chamado de function calling ou chamada de ferramentas, é um recurso de APIs de LLM em que o modelo devolve um pedido estruturado para executar uma função definida pelo desenvolvedor, com argumentos JSON. A aplicação executa a função e devolve o resultado; o modelo nunca executa código sozinho.

## Perguntas frequentes

### Arabizi e franco-árabe são a mesma coisa?

Sim. Arabizi, franco-árabe, "Franco" e alfabeto de chat árabe dão nome à mesma prática de escrever árabe com letras latinas e dígitos. Os nomes variam por país; "Franco" é comum no Egito.

### Meu chatbot deve responder em Arabizi?

Normalmente não. Responda em alfabeto árabe ou em inglês, conforme sua marca. Algumas marcas voltadas ao público jovem respondem em Arabizi, mas peça a falantes nativos que confiram se a grafia parece natural.

### Uma regex consegue converter Arabizi para árabe?

Não de forma confiável. As vogais são omitidas ou acrescentadas livremente, e as mesmas letras latinas correspondem a letras árabes diferentes conforme o contexto. Regras ajudam na detecção; a conversão precisa de um modelo de linguagem.

### O que significa o 3 nas mensagens em árabe?

No Arabizi, o 3 representa a letra ع (ayn), como em "3arabi" para عربي (árabe). Outros dígitos comuns são 2 para ء, 5 para خ, 7 para ح e 9 para ص.

### Por que minha transcrição voltou em letras latinas?

Isso é transliteração feita pelo modelo de fala, não Arabizi digitado por usuários. Envie language=ar em toda requisição de transcrição em árabe para receber o alfabeto árabe.

## Continue lendo

-   [Classificação de texto em árabe com LLM: sentimento, intenção, triagem](https://broadrouter.com/pt/blog/arabic-text-classification-llm/)
-   [Árabe do Golfo, egípcio e levantino: como os LLMs lidam com dialetos](https://broadrouter.com/pt/blog/arabic-llm-gulf-egyptian-dialects/)
-   [Engenharia de prompt em árabe: registro, RTL, números e texto misto](https://broadrouter.com/pt/blog/arabic-prompt-engineering/)
-   [Arquitetura de chatbot de WhatsApp em árabe: de áudios a respostas](https://broadrouter.com/pt/blog/arabic-whatsapp-chatbot-architecture/)
-   [RAG em árabe: normalização, chunking e retrieval que funcionam](https://broadrouter.com/pt/blog/arabic-rag-search/)
-   [Diacríticos no árabe com um LLM: prompt, checagens e DER](https://broadrouter.com/pt/blog/arabic-diacritization-llm/)
-   [Correção gramatical e ortográfica do árabe com um LLM: passo a passo](https://broadrouter.com/pt/blog/arabic-grammar-spelling-correction-llm/)
-   [Guia: Como usar o SDK Python da OpenAI com a BroadNet Inference](https://broadrouter.com/pt/guides/openai-python-sdk/)
-   [Guia: Transcrever áudios do WhatsApp para texto com uma API](https://broadrouter.com/pt/guides/transcribe-whatsapp-voice-notes/)

Teste com a sua carga de trabalho real. Contas novas começam com US$ 5 de crédito para Gemma e transcrição. DeepSeek, GLM e Qwen3.8 exigem uma recarga.

[Começar](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-blog-arabizi-llm-handling&utm_content=page-cta) ·

**Fontes**

-   [Arabic chat alphabet, visão geral das convenções do Arabizi (consultado em 2026-11-14)](https://en.wikipedia.org/wiki/Arabic_chat_alphabet)
-   [Darwish, Arabizi Detection and Conversion to Arabic (arXiv 1306.6755; consultado em 2026-11-14)](https://arxiv.org/abs/1306.6755)
-   [Página de preços da BroadNet Inference, nota "Tested in Arabic" do Qwen3.8 27B (consultado em 2026-11-14) (em inglês)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-blog-arabizi-llm-handling&utm_content=sources)
-   [Referência da API da BroadNet Inference, parâmetro language da transcrição (consultado em 2026-11-14) (em inglês)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-blog-arabizi-llm-handling&utm_content=sources)
