BroadRouter

Arabizi

Atualizado em

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.

Também chamado de: árabe com letras latinas, árabe transliterado, franco-árabe, Franco-Arabic, Franco-Arab, Arabish, Arabic chat alphabet, Franco Arabic

Arabizi é o jeito como muitos falantes de árabe digitam no celular: palavras árabes, teclado latino e alguns dígitos para os sons que faltam.

Como funciona

Darwish (2014) descreve o Arabizi, também chamado de Arabish ou franco-árabe, como árabe em forma latina transliterada que usa numerais para as letras que o inglês não tem: “2” e “3” representam o som da hamza e o ع. Ele surgiu porque navegadores e celulares antigos não conseguiam exibir a escrita árabe. Continua vivo porque as pessoas se acostumaram e digitam mais rápido em um teclado inglês.

Três características dificultam a vida do software:

  • Sem grafia padrão. Shazal, Usman e Habash (2020) observam que o Arabizi das redes sociais é árabe dialetal, que não tem ortografia padrão, e que a correspondência com a escrita árabe não é de um para um.
  • Misturado com inglês ou francês. Uma mensagem como w aletli Tuesday (“e ela me disse terça-feira”) mistura os dois, o que é code-switching.
  • Detecção primeiro. O software precisa decidir quais palavras são Arabizi antes de convertê-las. Darwish relata 98,5% de acurácia na detecção e 88,7% na conversão com um pipeline clássico; o modelo sequence-to-sequence de 2020 chega a 80,6% de acurácia por palavra em um conjunto de teste cego para a tarefa conjunta.

Em APIs de LLM, o Arabizi também se comporta de outro jeito no tokenizer em relação à escrita árabe, já que é texto latino grafado de formas que o vocabulário raramente viu.

Por que isso importa

Se você opera um chatbot, uma busca ou um sistema de análise no Golfo, no Egito ou no Levante, parte dos seus usuários vai digitar em Arabizi. Busca por palavra-chave, regras de intenção e ferramentas de sentimento feitas para a escrita árabe vão perder essas mensagens. Uma solução comum é pedir a um LLM que converta o Arabizi para a escrita árabe, informando o dialeto, antes de rotear ou indexar, e guardar o texto original. O guia de tratamento de Arabizi mostra prompts e escolhas de escrita para a resposta.

Na BroadNet Inference

A BroadNet não tem recurso específico para Arabizi; os modelos de chat o recebem como texto comum. A BroadNet relata ter testado o Qwen3.8 27B em árabe, com os dialetos do Golfo e egípcio sendo entendidos, o que é um ponto de partida para testes com Arabizi. Veja dialetos do Golfo e egípcio com LLMs.

A fala é um caso à parte. A documentação da BroadNet avisa que, sem language, o áudio em árabe pode ser transliterado para letras latinas. Essa saída parece Arabizi, mas vem da requisição, não de quem fala. Envie language=ar para o BroadNet Transcribe Arabic.

Perguntas frequentes

Por que o Arabizi usa números?

O árabe tem sons e letras sem equivalente latino, então quem escreve pega emprestados dígitos parecidos com a letra árabe. Darwish (2014) dá como exemplos o 2 para o som da hamza e o 3 para ع.

Os LLMs conseguem ler Arabizi?

Muitas vezes, mas a grafia varia tanto que os resultados são irregulares, e a conversão para a escrita árabe pode mudar de uma execução para outra. Teste com mensagens reais dos seus usuários e informe o dialeto no prompt.

Minha transcrição em árabe voltou com letras latinas. Isso é Arabizi?

Não. É o modelo de fala transliterando porque a requisição não dizia que o áudio era em árabe. Na BroadNet, envie language=ar.

Ler em MarkdownPerguntar ao ChatGPTPerguntar ao ClaudePerguntar ao Perplexity