Um recurso de IA para usuários de árabe, inglês e espanhol são três produtos dividindo uma única base de código. A tela precisa inverter a direção para o árabe. As mensagens misturam alfabetos na mesma linha. Números e datas mudam de forma conforme a região. O modelo pode responder no idioma errado, e cada idioma custa um valor diferente. A maioria desses problemas vem de um único erro de design: tratar “o idioma” como uma configuração só.
Este post trata do lado de produto e interface. A tradução das strings do seu próprio app (placeholders, plurais, mensagens ICU) está em traduzir strings de app para árabe com um LLM; a redação dos prompts está em engenharia de prompt em árabe.
Por que separar o locale da interface do idioma do modelo?
Porque eles respondem a perguntas diferentes. O locale da interface (ar-SA, en-US, es-MX) decide a direção do layout, o idioma dos botões e a aparência de números e datas. O idioma do conteúdo é o idioma de uma mensagem, documento ou gravação específica, e decide o que você pede ao modelo.
Os dois divergem o tempo todo. Um usuário saudita com interface em árabe cola um contrato em inglês. Um usuário espanhol envia a foto de uma fatura em árabe. Um atendente bilíngue troca de idioma no meio da conversa (code-switching). Se o código envia “responda em árabe” porque a interface está em árabe, o contrato em inglês ganha um resumo em árabe que ninguém pediu.
Então guarde os dois, por usuário e por mensagem:
ui_locale: escolhido pelo usuário, com padrão no idioma do navegador.answer_language: a escolha explícita do usuário, se houver; caso contrário, o idioma detectado na mensagem.- Para áudio,
audio_language: o que você passa ao modelo de transcrição. A referência da API da BroadNet diz para sempre enviarlanguageem uma requisição de transcrição, ou o árabe pode voltar em letras latinas.
Como dar suporte a texto da direita para a esquerda e de direção mista?
Em três camadas, seguindo as orientações do W3C:
- Direção da página a partir do locale. Defina
dir="rtl"elang="ar"no elementohtmlpara o árabe. O W3C diz para não usar CSS para definir a direção base e para usar valores lógicos (starteend) em margens, padding e alinhamento em vez de left e right. - CSS lógico.
margin-inline-startem vez demargin-left,text-align: startem vez deleft. O MDN descreve as propriedades lógicas como um controle de layout “through logical rather than physical direction” (tradução: pela direção lógica em vez da física). Assim, uma única folha de estilo atende às duas direções. - Isole o texto que você não escreveu. Mensagens de usuários, respostas do modelo, nomes de produtos e códigos de pedido têm direção própria. A regra do W3C: se você não sabe a direção do texto inserido em tempo de execução, adicione
dir="auto"ao elemento que o envolve ou coloque-o em um elementobdi. Sem isolamento, um código de pedido em inglês no fim de uma frase em árabe pode pular para o lado errado, e a pontuação vai parar em lugares estranhos.
Em uma interface de chat, isso significa dir="auto" em cada balão de mensagem, já que cada mensagem pega a direção do seu primeiro caractere forte, e bdi em volta de nomes e códigos dentro das strings da sua interface. Onde não há marcação (notificações push, SMS, exportações CSV), os isolamentos do Unicode Bidirectional Algorithm fazem o mesmo trabalho: U+2068 FIRST STRONG ISOLATE antes do texto e U+2069 POP DIRECTIONAL ISOLATE depois.
A saída do modelo acrescenta mais um caso: Markdown. Um modelo respondendo em árabe pode incluir código, URLs ou células de tabela em inglês. Renderize os blocos de código com dir="ltr" explícito e dê dir="auto" a cada parágrafo e célula de tabela.
Como números e datas devem variar por locale?
Deixe a plataforma formatar e teste o que ela realmente produz. Rodamos Intl.NumberFormat e Intl.DateTimeFormat no Node 24.22.1 (ICU 78.3, CLDR 48) para 1234.5 e 15 de novembro de 2026:
| Locale | Número | Data (longa) | Direção |
|---|---|---|---|
| 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 |
Quatro pontos de atenção. Os locales árabes divergem nos dígitos: a Arábia Saudita usa por padrão os arábico-índicos, os Emirados os ocidentais, e a extensão -u-nu-latn (veja numberingSystem no MDN) muda um locale para dígitos ocidentais. O espanhol varia por região: a Espanha usa vírgula decimal e, para um número de quatro dígitos, nenhum separador de milhar; o México usa ponto. Os nomes dos meses também variam no mundo árabe: ar-MA imprimiu نونبر para novembro, onde ar-SA imprimiu نوفمبر. E os navegadores trazem suas próprias versões do ICU, então rode as mesmas verificações nos navegadores que você atende.
Os plurais seguem as regras do CLDR: Intl.PluralRules para ar retornou seis categorias para 0, 1, 2, 3, 11 e 100 (zero, one, two, few, many, other), enquanto inglês e espanhol retornaram só one e other para esses números. O lado das strings está no post sobre strings de app.
Na entrada, aceite as duas formas de dígitos. Um usuário pode digitar ١٢٣٤ em um campo de quantidade; normalize para dígitos ASCII antes do parsing, e antes de enviar números ao modelo se seus prompts os comparam.
Dá para detectar o idioma de cada mensagem?
Em parte. Distinguir o alfabeto árabe do latino é fácil e confiável: conte os caracteres do bloco Unicode árabe. Distinguir inglês de espanhol, ou interpretar mensagens muito curtas, exige um modelo treinado. O fastText publica dois modelos de identificação de idioma para 176 idiomas (lid.176.bin, 126 MB, e o compactado lid.176.ftz, 917 kB).
Aqui está um pequeno módulo auxiliar para as decisões acima. O detector é simples de propósito, para mostrar onde o simples falha.
// 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>${s.replace(/[&<>"]/g, (c) => ({ '&': '&', '<': '<', '>': '>', '"': '"' })[c])}</bdi>`;
/** Plain-text equivalent for places with no markup (notifications, CSV, SMS): FSI ... PDI. */
export const isolateText = (s) => `${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.`;
}
Rodamos no Node 24. Ele classificou وين طلبي؟ como ar, “¿Dónde está mi pedido?” como es, “Where is my order?” como en e uma frase em árabe com o código ORD-5521 como ar. “ok” voltou como und, o que no prompt cai corretamente em “o idioma da mensagem do usuário”. E “ana 3ayez a3raf el order fen”, árabe egípcio em letras latinas (Arabizi), voltou como es, porque a palavra “el” parece espanhol. Para uma heurística, esse é o resultado honesto. Se seus usuários escrevem em Arabizi, detecte isso explicitamente e trate como árabe, como em lidando com Arabizi, e deixe o usuário corrigir o idioma da resposta com um toque.
O auxiliar de dígitos transformou ٢٠٢٦-١١-١٥ em 2026-11-15, e isolate() escapou o HTML antes de envolver o texto, então um nome de empresa como Acme <Ltd> não consegue injetar marcação.
O que mais muda quando o idioma muda?
- Tamanho do texto. O texto traduzido da interface costuma ser mais longo. O W3C cita diretrizes da IBM segundo as quais strings em inglês de até 10 caracteres crescem para 200–300% do tamanho em idiomas europeus, e strings com mais de 70 caracteres para cerca de 130%. Projete botões e rótulos para quebrar linha e teste a versão em espanhol em larguras estreitas.
- Fontes. Escolha uma família tipográfica com um design árabe correspondente e confira a altura de linha do árabe: os sinais diacríticos precisam de espaço acima e abaixo.
- Busca e correspondência. Texto em árabe precisa de normalização antes da comparação (diacríticos, formas de alef, tatweel). O normalizador de texto árabe mostra cada regra.
- Voz. Escolha o modelo de transcrição pelo idioma do áudio, não da interface. A BroadNet lista um modelo para árabe e um modelo de 14 idiomas que cobre inglês, espanhol e árabe; a página do modelo multilíngue diz para escolher o modelo árabe para áudio em árabe. O post sobre fala para texto multilíngue compara as opções.
- Dialeto. “Árabe” não é um alvo único. Usuários de Riad, do Cairo e de Casablanca escrevem de forma diferente; dialetos do Golfo e egípcio mostra o que testar.
Como avaliar e orçar cada idioma?
Separadamente. Uma nota única esconde um idioma fraco, e um orçamento único esconde um idioma caro.
Monte um pequeno conjunto de avaliação por idioma a partir de mensagens reais, com falantes nativos rotulando as respostas esperadas. Verifique se a resposta está no idioma pedido, se nomes, números e códigos passam sem alteração e se a qualidade se mantém em cada dialeto que você atende. Rode o mesmo conjunto quando trocar de modelo ou de prompt; o método está em avaliar um LLM antes de trocar.
Quanto ao custo, a contagem de tokens varia por idioma e por tokenizer. No conjunto de dados medido pelo BroadRouter, o mesmo texto em árabe padrão moderno precisa de 1.31× (Qwen3.8 27B) a 1.77× (GLM 5.3) dos tokens da sua tradução em inglês. Custo real por idioma transforma essas contagens em dinheiro por modelo, incluindo o espanhol, e o contador de tokens em árabe mede o seu próprio texto. Registre os tokens de cada requisição junto com o idioma do conteúdo e você verá o custo por idioma e por usuário, não só por mês.
Por fim, faça uma revisão nativa antes do lançamento. Tradução automática e saída de modelo produzem árabe e espanhol gramaticalmente corretos, mas errados para o seu público. Um revisor que usa o produto no próprio idioma percebe o que nenhum teste pega.
Onde a BroadNet Inference se encaixa
O BroadRouter é o site da própria BroadNet. Os modelos da BroadNet Inference são uma opção razoável para um produto em árabe, inglês e espanhol: a BroadNet informa ter testado o Qwen3.8 27B em árabe, incluindo a compreensão dos dialetos do Golfo e egípcio; o Gemma 4 VL 26B funciona com o crédito inicial de $5; e a transcrição cobre o árabe (BroadNet Transcribe Arabic, $0.0042 por minuto) e 14 idiomas, incluindo inglês e espanhol (BroadNet Transcribe, $0.002 por minuto). O conteúdo das requisições de inferência não é retido; os metadados necessários de conta, cobrança e segurança são retidos conforme descrito na declaração de privacidade da BroadNet. Tudo o que este post diz sobre layout, direção, formatação e detecção é trabalho da sua aplicação, qualquer que seja a API que você use.
