BroadRouter

LLM ile Arapça–İngilizce çeviri: istemler, terim sözlükleri, test

BroadNet Inference ekibi · 5 dk okuma · Yayımlandı

Arapça ile İngilizce arasında LLM ile çeviri için modele hedef kitleyi, dil düzeyini ve sabit terimlerden oluşan bir sözlüğü verin, sayıları ve adları değiştirmemesini isteyin ve paragraf boyutunda parçalarla çevirin. chrF veya COMET ile, ayrıca anadili konuşanların incelemesiyle değerlendirin. BroadNet'in testlerinde Qwen3.8 27B Arapça ile İngilizce arasında doğru çeviri yaptı.

Arapça ile İngilizce arasında bir LLM ile çeviri yapmak için modele yönü, hedef kitleyi ve dil düzeyini söyleyin, sabit terimlerden oluşan bir sözlük verin, sayıları ve adları değiştirmeyin ve paragraf boyutunda parçalar gönderin. Sonra sayıları ve olumsuzlukları kodda kontrol edin ve chrF, COMET ve anadili konuşan bir inceleyiciyle puanlayın.

Bu kontrol Arapçada önemlidir; orada kelimesi kelimesine bir çeviri doğru olup yine de yabancı gibi okunabilir.

Arapça–İngilizce çeviri LLM’ler için neden zor?

  • Dil düzeyi. Resmî Arapça (Modern Standart Arapça, فصحى) ile gündelik konuşma birbirinden çok farklıdır. İngilizcede samimi duran bir pazarlama cümlesi, kelimesi kelimesine MSA’da katı ya da gülünç olabilir.
  • Kelime sırası ve uzunluk. Arapça cümleler çoğu zaman fiille başlar ve Arapça metin çoğu zaman İngilizceden farklı uzunluktadır. İngilizcede sığan arayüz metinleri satır atlayabilir ya da taşabilir.
  • Cinsiyet ve sayı. Arapça fiillerde, sıfatlarda ve zamirlerde cinsiyeti işaretler ve bir ikil (dual) biçimi vardır. İngilizcedeki “you”, أنتَ, أنتِ, أنتما, أنتم ya da أنتنّ olmak zorundadır. Okuyucuyu bilmiyorsanız modele hangi varsayılanı kullanacağını söyleyin.
  • Adlar ve çevriyazı. “محمد” adının birçok İngilizce yazılışı vardır (Mohammed, Muhammad, Mohamed). Her kişi için birini seçin ve onda kalın.
  • Sayılar ve tarihler. Doğu Arap rakamları, Hicri tarihler ve sağdan sola biçimlendirmenin hepsi açık kurallar gerektirir.

Hangi istem iyi Arapça çeviriler verir?

Çeviri kalitesi zekice ifadelerden çok talimatlara bağlıdır. Modele yönü, hedef kitleyi, dil düzeyini, sözlüğü ve çıktı biçimini söyleyin:

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

Arapça → İngilizce için yönü çevirin ve İngilizce okuyucunun ihtiyaç duyduklarını ekleyin: “American English, plain style, keep Arabic personal names in the spelling given in the glossary”. Kaynak lehçeli olabilirse bunu söyleyin: “The source may be Gulf or Egyptian Arabic; translate the meaning, not word for word.”

Terim sözlüğü neden bu kadar önemli?

Sözlük olmadan bir model “refund” kelimesini bir paragrafta استرجاع, sonrakinde استرداد olarak çevirebilir. İkisi de düzgün Arapçadır; bir arada özensiz görünür ve aramayı bozar. Bir sözlük bunu düzeltir:

  1. Mevcut çevirilerinizden başlayın. Terimleri yardım merkezinden, sözleşmelerden ve iki dilde zaten elinizde olan arayüz metinlerinden çıkarın.
  2. Kısa tutun. Elli ila iki yüz terim çoğu ürünü kapsar. Yalnızca değişmemesi gereken terimleri koyun.
  3. Çevrilmeyecek öğeleri ekleyin. Marka adları, ürün adları, plan adları ve kod tanımlayıcıları.
  4. Sistem isteminde, metinden önce yerleştirin. Bu onu önbelleğe alınabilir önekte de tutar ve tekrarlanan çağrılarda girdi maliyetini düşürür; bkz. önbellekli girdi token’ları.
  5. Kodda kontrol edin. Çeviriden sonra kaynakta geçen her sözlük teriminin hedefte sabit biçimiyle yer aldığını doğrulayın.

Uzun belgeler nasıl bölünmeli?

Cümle cümle değil, paragraf ya da bölüm parçaları hâlinde çevirin. Cümle düzeyindeki çağrılar bağlamı kaybeder (“o”nun kim olduğunu, “bu”nun hangi ürünü kastettiğini). Uzun bağlamlı modellerde bütün belgeyi tek çağrıda göndermek işe yarar, ama tek bir hatayı bulmak ve yeniden denemek daha zordur. Birkaç yüz kelimelik bir bölüm iyi bir dengedir. Tutarlılık önemliyse önceki bölümün çevirisini bağlam olarak gönderin.

Qwen3.8 27B 262.144 token bağlama sahiptir; DeepSeek V4.1 Flash ve GLM 5.3 ise 1.048.576 token’a kadar alır; bu, çevirdiğiniz metnin yanına uzun bir başvuru belgesi eklemeye yeter.

Tehlikeli hatalar nasıl yakalanır?

Akıcı çıktı hataları gizler. Şunları otomatik olarak kontrol edin:

  • Sayılar: kaynaktaki ve hedefteki her sayıyı (Doğu Arap rakamlarını dönüştürdükten sonra) çıkarın ve kümeleri karşılaştırın.
  • Olumsuzluk: düşürülmüş bir “değil” (لا, لم, لن, ليس, ما) anlamı tersine çevirir. Kaynakta olumsuzluk olup hedefte olmayan cümleleri işaretleyin.
  • Adlar ve sözlük terimleri: değişmeden kaldıklarını doğrulayın.
  • Uzunluk oranı: beklenenden çok daha kısa bir hedef genellikle bir şeyin atlandığı anlamına gelir.
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

Ondalık ayırıcı yerel ayarlara göre değişebilir (Arapça metin bazen ٫ kullanır); belgeleriniz bunları kullanıyorsa onları da normalleştirin.

Çeviri kalitesi nasıl değerlendirilir?

Otomatik metrikler, istemde ya da modelde yaptığınız bir değişikliğin ortalamada işleri iyileştirip iyileştirmediğini söyler:

Metrik Neyi ölçer Arapça için notlar
BLEU Bir referansla kelime n-gram örtüşmesi Eklerin ve yazım varyantlarının kelime biçimlerini değiştirdiği Arapçada serttir
chrF Karakter n-gram örtüşmesi Arapça biçim bilgisine karşı daha hoşgörülü; daha iyi bir varsayılan
COMET Bir sinir ağı modelinin kalite yargısı İnsan puanlarıyla daha iyi örtüşür; GPU ya da barındırılan bir puanlayıcı gerektirir

Herkese açık bir kıyaslama olarak, No Language Left Behind projesinin kullandığı FLORES-200, dil listesine göre İngilizcenin yanında Modern Standart Arapçayı ve Mısır, Necd, Kuzey ve Güney Levant, Mezopotamya, Fas, Tunus ve Taiz-Aden Arapçasını içeriyor. Ama asıl test kendi içeriğinizdir:

  1. Mevcut profesyonel çevirileri olan 100 ila 200 temsilî segment alın.
  2. Bunları her model ve istem sürümüyle çevirin.
  3. Arapça yazımı tüm sistemler için aynı şekilde normalleştirdikten sonra chrF (ve yapabiliyorsanız COMET) ile puanlayın.
  4. Anadili konuşan birine, hangi sistemin ürettiğini bilmeden, sistem başına 30 segmenti doğruluk ve doğallık açısından puanlatın.
  5. Yukarıdaki tehlikeli hata kontrollerini ayrı bir sayım olarak izleyin.

Hangi modeli kullanmalısınız ve maliyeti ne olur?

BroadNet, testlerinde Qwen3.8 27B modelinin Arapça ile İngilizce arasında doğru çeviri yaptığını, akıcı Arapça yazdığını ve Körfez ile Mısır lehçelerini anladığını bildiriyor. Bu da onu BroadNet Inference’ta doğal ilk aday yapıyor. DeepSeek V4.1 Flash de test edilmeye değer: çıktı token’ları daha ucuz ve sınırsız sabit planlardaki model o. DeepSeek V4.1 Flash ile Qwen3.8 27B karşılaştırması ikisini yan yana koyuyor.

1M token başına:

Model Girdi Çıktı
Qwen3.8 27B $0.175 $2.17
DeepSeek V4.1 Flash $0.175 $0.52
GLM 5.3 $0.78 $3.46

Çeviri çıktısı yaklaşık olarak girdi kadar uzundur ve üç model de yanıt vermeden önce akıl yürütür; bu yüzden faturada genellikle çıktı token’ları ağır basar. Arapça ayrıca İngilizceden kelime başına daha fazla token isteme eğilimindedir; bkz. Arapça ve İngilizcede kelime başına token. Bir örneği ücretsiz Arapça token sayacına yapıştırın, gerçek bir istekten usage ile doğrulayın, sonra aylık harcamayı LLM API maliyet hesaplayıcısıyla tahmin edin. DeepSeek V4.1 Flash üzerinde büyük, tek seferlik bir yerelleştirme projesi için $15 karşılığındaki haftalık plan token sayacını tamamen kaldırır.

Sözleşmeleri ve destek taleplerini API’ye gönderebilir misiniz?

Sözleşmeler, tıbbi yazışmalar ve destek talepleri çoğu zaman kişisel veri içerir. BroadNet Inference istekten sonra istemleri veya çıktıları saklamaz; bkz. sıfır veri saklama. Çeviri belleğinizin ve günlüklerinizin de aynı kurallara uyduğunu kontrol edin.

Sık sorulan sorular

Arapça için bir LLM, özel bir çeviri API'sinden daha mı iyi?

Kısa ve genel metinlerde fark küçük olabilir. Ton, sözlük terimleri, biçimlendirme ya da lehçeli girdi üzerinde kontrol gerektiğinde LLM'ler kazanır, çünkü tam olarak ne istediğinizi istemde söyleyebilirsiniz.

Model lehçeli Arapçayı İngilizceye çevirebilir mi?

Çoğu zaman evet, çünkü çeviri anlamaya dayanır ve modeller lehçeleri yazdıklarından daha iyi anlar. BroadNet, testlerinde Qwen3.8 27B'nin Körfez ve Mısır lehçelerini anladığını bildiriyor. Bir örneklemi anadili konuşanlarla kontrol edin.

Hukuki belgeler makineyle çevrilmeli mi?

İlk taslak ve metni anlamak için bir LLM kullanın, ama hukuki sonucu olan her şeyi yetkin bir çevirmene gözden geçirtin. Birçok yargı bölgesi resmî başvurular için ayrıca yeminli insan çevirisi şart koşar.

Arapça çevirim neden İngilizceden daha fazla token tutuyor?

Tokenizer'lar Arapçayı çoğu zaman İngilizceden kelime başına daha fazla token'a böler. Bir örneği token sayacına yapıştırın, sonra gerçek bir istekten usage.prompt_tokens ve usage.completion_tokens ile doğrulayın.

Arapça makine çevirisini değerlendirmek için hangi metriği kullanmalıyım?

Varsayılan otomatik puan olarak chrF kullanın, çünkü karakter n-gramları Arapça ekleri ve yazım varyantlarını BLEU'dan daha iyi tolere eder. Çalıştırabiliyorsanız COMET ekleyin ve anadili konuşanlara sistem başına 30 veya daha fazla segmenti kör olarak puanlatın.

Markdown olarak okuChatGPT asistanına sorClaude asistanına sorPerplexity asistanına sor