BroadRouter

کئی زبانوں کے لیے AI پروڈکٹ کیسے ڈیزائن کریں

BroadNet Inference ٹیم · 7 منٹ کی پڑھائی · شائع شدہ

دو سیٹنگز الگ الگ محفوظ کریں: انٹرفیس لوکیل اور مواد کی زبان، اور ایک سے دوسری کا اندازہ کبھی نہ لگائیں۔ سمت لوکیل سے طے کریں، صارف اور ماڈل کے متن کو dir="auto" یا bdi سے الگ کریں، اعداد اور تاریخیں لوکیل کے مطابق فارمیٹ کریں، ان پٹ میں ہندسے یکساں کریں، زبان کی شناخت کو صرف اشارہ سمجھیں، اور ہر زبان کا معیار اور لاگت الگ جانچیں۔

عربی، انگریزی اور ہسپانوی صارفین کے لیے AI فیچر دراصل ایک ہی کوڈ بیس پر چلنے والی تین پروڈکٹس ہیں۔ عربی کے لیے اسکرین کی سمت پلٹنی پڑتی ہے۔ ایک ہی سطر میں مختلف رسم الخط مل جاتے ہیں۔ اعداد اور تاریخوں کی شکل علاقے کے حساب سے بدلتی ہے۔ ماڈل غلط زبان میں جواب دے سکتا ہے، اور ہر زبان کی لاگت الگ ہوتی ہے۔ ان میں سے زیادہ تر مسائل ایک ہی ڈیزائن غلطی سے آتے ہیں: “زبان” کو ایک اکیلی سیٹنگ سمجھ لینا۔

یہ پوسٹ پروڈکٹ اور انٹرفیس والے پہلو پر ہے۔ اپنی ایپ کی اسٹرنگز (پلیس ہولڈرز، جمع، ICU پیغامات) کا ترجمہ LLM سے ایپ اسٹرنگز کا عربی ترجمہ میں ہے؛ پرامپٹ کی عبارت عربی پرامپٹ انجینئرنگ میں۔

انٹرفیس لوکیل کو ماڈل کی زبان سے الگ کیوں رکھیں؟

کیونکہ دونوں الگ سوالوں کا جواب دیتے ہیں۔ انٹرفیس لوکیل (ar-SA، en-US، es-MX) لے آؤٹ کی سمت، آپ کے بٹنوں کی زبان، اور اعداد اور تاریخوں کی شکل طے کرتا ہے۔ مواد کی زبان کسی خاص پیغام، دستاویز یا ریکارڈنگ کی زبان ہے، اور یہ طے کرتی ہے کہ آپ ماڈل سے کیا کرواتے ہیں۔

یہ دونوں اکثر الگ ہوتے ہیں۔ عربی انٹرفیس والا کوئی سعودی صارف انگریزی معاہدہ پیسٹ کرتا ہے۔ کوئی ہسپانوی صارف عربی انوائس کی تصویر اپ لوڈ کرتا ہے۔ کوئی دو زبانیں بولنے والا ایجنٹ گفتگو کے بیچ زبان بدل لیتا ہے (code-switching)۔ اگر کوڈ انٹرفیس عربی ہونے کی وجہ سے “عربی میں جواب دو” بھیجتا ہے، تو انگریزی معاہدے کا ایسا عربی خلاصہ بنتا ہے جو کسی نے مانگا ہی نہیں۔

اس لیے ہر صارف اور ہر پیغام کے لیے دونوں محفوظ کریں:

  • ui_locale: صارف منتخب کرتا ہے، ڈیفالٹ براؤزر کی زبان۔
  • answer_language: اگر صارف نے خود منتخب کی ہو تو وہی، ورنہ پیغام کی پہچانی گئی زبان۔
  • آڈیو کے لیے audio_language: جو آپ ٹرانسکرپشن ماڈل کو بھیجتے ہیں۔ BroadNet کا API ریفرنس کہتا ہے کہ ٹرانسکرپشن کی درخواست کے ساتھ ہمیشہ language بھیجیں، ورنہ عربی لاطینی حروف میں واپس آ سکتی ہے۔

دائیں سے بائیں اور ملی جلی سمت والے متن کو کیسے سنبھالیں؟

W3C کی ہدایات کے مطابق تین تہیں:

  1. صفحے کی سمت لوکیل سے۔ عربی کے لیے html عنصر پر dir="rtl" اور lang="ar" سیٹ کریں۔ W3C کہتا ہے کہ بنیادی سمت CSS سے سیٹ نہ کریں، اور مارجن، پیڈنگ اور الائنمنٹ کے لیے left اور right کے بجائے logical values (start اور end) استعمال کریں۔
  2. Logical CSS۔ margin-left کے بجائے margin-inline-start، left کے بجائے text-align: start۔ MDN logical properties کو ایسی چیز بتاتا ہے جو لے آؤٹ کو “through logical rather than physical direction” (ترجمہ: طبعی کے بجائے منطقی سمت کے ذریعے) کنٹرول کرتی ہے۔ تب ایک ہی اسٹائل شیٹ دونوں سمتوں کے لیے کام کرتی ہے۔
  3. جو متن آپ نے نہیں لکھا، اسے الگ کریں۔ صارف کے پیغامات، ماڈل کے جوابات، پروڈکٹ کے نام اور آرڈر کوڈز کی اپنی سمت ہوتی ہے۔ W3C کا اصول: اگر رن ٹائم پر ڈالے گئے متن کی سمت آپ کو معلوم نہیں، تو اسے گھیرنے والے عنصر پر dir="auto" لگائیں، یا اسے bdi عنصر میں رکھیں۔ ایسا نہ کرنے پر عربی جملے کے آخر میں آیا انگریزی آرڈر کوڈ غلط طرف کود سکتا ہے، اور رموزِ اوقاف عجیب جگہوں پر پہنچ جاتے ہیں۔

چیٹ انٹرفیس کے لیے اس کا مطلب ہے ہر پیغام کے ببل پر dir="auto"، کیونکہ ہر پیغام اپنے پہلے مضبوط حرف سے سمت لیتا ہے، اور آپ کی اپنی انٹرفیس اسٹرنگز کے اندر ناموں اور کوڈز کے گرد bdi۔ جہاں مارک اپ نہیں ہے (پش نوٹیفکیشنز، SMS، CSV ایکسپورٹ)، وہاں Unicode Bidirectional Algorithm کے آئسولیٹس یہی کام کرتے ہیں: متن سے پہلے U+2068 FIRST STRONG ISOLATE اور بعد میں U+2069 POP DIRECTIONAL ISOLATE۔

ماڈل کا آؤٹ پٹ ایک اور صورت شامل کرتا ہے: Markdown۔ عربی میں جواب دینے والا ماڈل انگریزی کوڈ، URLs یا ٹیبل سیل شامل کر سکتا ہے۔ کوڈ بلاکس کو واضح طور پر dir="ltr" کے ساتھ رینڈر کریں، اور ہر پیراگراف اور ٹیبل سیل کو dir="auto" دیں۔

لوکیل کے حساب سے اعداد اور تاریخیں کیسے بدلیں؟

فارمیٹنگ پلیٹ فارم پر چھوڑیں، اور جانچیں کہ وہ اصل میں کیا بناتا ہے۔ ہم نے Node 24.22.1 (ICU 78.3، CLDR 48) میں 1234.5 اور 15 نومبر 2026 کے لیے Intl.NumberFormat اور Intl.DateTimeFormat چلایا:

لوکیل عدد تاریخ (طویل شکل) سمت
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

چار باتیں قابلِ توجہ ہیں۔ عربی لوکیلز ہندسوں پر مختلف ہیں: سعودی کا ڈیفالٹ عربی-ہندی ہے، UAE کا مغربی، اور -u-nu-latn ایکسٹینشن (MDN کا numberingSystem دیکھیں) کسی لوکیل کو مغربی ہندسوں پر لے آتا ہے۔ ہسپانوی علاقے کے حساب سے مختلف ہے: اسپین اعشاریہ کے لیے کوما استعمال کرتا ہے اور چار ہندسوں کے عدد میں ہزار کا سیپریٹر نہیں لگاتا؛ میکسیکو نقطہ استعمال کرتا ہے۔ عرب دنیا میں مہینوں کے نام بھی مختلف ہیں: نومبر کے لیے ar-MA نے نونبر چھاپا، جبکہ ar-SA نے نوفمبر۔ اور براؤزرز اپنے اپنے ICU ورژن کے ساتھ آتے ہیں، اس لیے یہی جانچ اپنے ہدف براؤزرز میں بھی چلائیں۔

جمع کی شکلیں CLDR قواعد پر چلتی ہیں: ar کے لیے Intl.PluralRules نے 0، 1، 2، 3، 11 اور 100 کے لیے چھ زمرے لوٹائے (zero، one، two، few، many، other)، جبکہ انگریزی اور ہسپانوی نے ان اعداد کے لیے صرف one اور other۔ اس کا اسٹرنگز والا پہلو ایپ اسٹرنگز والی پوسٹ میں ہے۔

ان پٹ میں ہندسوں کی دونوں شکلیں قبول کریں۔ صارف کسی مقدار والے فیلڈ میں ١٢٣٤ ٹائپ کر سکتا ہے؛ پارس کرنے سے پہلے، اور اگر آپ کے پرامپٹس اعداد کا موازنہ کرتے ہیں تو ماڈل کو بھیجنے سے پہلے بھی، اسے ASCII ہندسوں میں بدلیں۔

کیا ہر پیغام کی زبان پہچانی جا سکتی ہے؟

کسی حد تک۔ عربی رسم الخط کو لاطینی رسم الخط سے الگ کرنا آسان اور قابلِ اعتماد ہے: عربی Unicode بلاک کے حروف گنیں۔ انگریزی کو ہسپانوی سے الگ کرنے، یا بہت مختصر پیغامات پڑھنے کے لیے تربیت یافتہ ماڈل چاہیے۔ fastText 176 زبانوں کے لیے دو زبان شناخت ماڈل شائع کرتا ہے (lid.176.bin، 126 MB، اور کمپریس شدہ lid.176.ftz، 917 kB)۔

اوپر کے فیصلوں کے لیے یہ ایک چھوٹا مددگار ماڈیول ہے۔ ڈیٹیکٹر جان بوجھ کر سادہ رکھا گیا ہے، تاکہ دکھے کہ سادہ طریقہ کہاں چوکتا ہے۔

// 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) => ({ '&': '&amp;', '<': '&lt;', '>': '&gt;', '"': '&quot;' })[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.`;
}

ہم نے اسے Node 24 میں چلایا۔ اس نے وين طلبي؟ کو ar، “¿Dónde está mi pedido?” کو es، “Where is my order?” کو en، اور ORD-5521 کوڈ والے ایک عربی جملے کو ar قرار دیا۔ “ok” کا نتیجہ und آیا، جس سے پرامپٹ درست طور پر “the language of the user’s message” پر لوٹ جاتا ہے۔ اور “ana 3ayez a3raf el order fen”، یعنی لاطینی حروف میں مصری عربی (Arabizi)، کا نتیجہ es آیا، کیونکہ لفظ “el” ہسپانوی جیسا لگتا ہے۔ اندازے پر مبنی طریقے کا یہی دیانت دار نتیجہ ہے۔ اگر آپ کے صارفین Arabizi میں لکھتے ہیں، تو اسے الگ سے پہچانیں اور عربی سمجھیں، جیسا Arabizi کو سنبھالنے میں ہے، اور صارفین کو ایک ٹیپ میں جواب کی زبان درست کرنے دیں۔

ہندسوں والے مددگار نے ٢٠٢٦-١١-١٥ کو 2026-11-15 میں بدلا، اور isolate() نے لپیٹنے سے پہلے HTML ایسکیپ کیا، تاکہ Acme <Ltd> جیسا کمپنی کا نام مارک اپ انجیکٹ نہ کر سکے۔

زبان بدلنے پر اور کیا بدلتا ہے؟

  • متن کی لمبائی۔ ترجمہ شدہ انٹرفیس متن اکثر لمبا ہوتا ہے۔ W3C، IBM کی ہدایات کا حوالہ دیتا ہے جن کے مطابق یورپی زبانوں میں 10 حروف تک کی انگریزی اسٹرنگ اپنی لمبائی کے 200–300% تک ہو سکتی ہے، اور 70 حروف سے لمبی اسٹرنگ تقریباً 130%۔ بٹن اور لیبل ایسے ڈیزائن کریں کہ متن اگلی سطر میں جا سکے، اور ہسپانوی بلڈ کو کم چوڑائی پر ٹیسٹ کریں۔
  • فونٹس۔ ایسا فونٹ خاندان منتخب کریں جس کا ہم آہنگ عربی ڈیزائن ہو، اور عربی کی سطر کی اونچائی جانچیں: اعراب کو اوپر اور نیچے جگہ چاہیے۔
  • تلاش اور مماثلت۔ مماثلت سے پہلے عربی متن کو یکساں کرنا پڑتا ہے (اعراب، الف کی شکلیں، تطویل)۔ عربی ٹیکسٹ نارملائزر ہر قاعدہ دکھاتا ہے۔
  • اسپیچ۔ ٹرانسکرپشن ماڈل آڈیو کی زبان سے منتخب کریں، انٹرفیس سے نہیں۔ BroadNet ایک عربی ماڈل اور ایک 14 زبانوں والا ماڈل درج کرتا ہے جو انگریزی، ہسپانوی اور عربی کا احاطہ کرتا ہے؛ اس کے کثیر لسانی ماڈل کا صفحہ کہتا ہے کہ عربی آڈیو کے لیے عربی ماڈل منتخب کریں۔ کثیر لسانی speech-to-text پوسٹ آپشنز کا موازنہ کرتی ہے۔
  • لہجہ۔ “عربی” ایک اکیلا ہدف نہیں ہے۔ ریاض، قاہرہ اور کاسابلانکا کے صارفین مختلف انداز میں لکھتے ہیں؛ کیا ٹیسٹ کریں، یہ خلیجی اور مصری لہجے میں ہے۔

ہر زبان کی جانچ اور بجٹ کیسے کریں؟

الگ الگ۔ ایک مشترکہ اسکور کمزور زبان کو چھپا دیتا ہے، اور ایک مشترکہ بجٹ مہنگی زبان کو۔

اصل پیغامات سے ہر زبان کے لیے ایک چھوٹا جانچ سیٹ بنائیں، جس میں اہلِ زبان متوقع جوابات کا لیبل لگائیں۔ جانچیں کہ جواب مطلوبہ زبان میں ہے، کہ نام، اعداد اور کوڈز بغیر بدلے رہتے ہیں، اور کہ آپ کے ہر لہجے کے لیے معیار برقرار رہتا ہے۔ ماڈل یا پرامپٹ بدلنے پر یہی سیٹ دوبارہ چلائیں؛ طریقہ بدلنے سے پہلے LLM کی جانچ میں ہے۔

لاگت کے لیے: ٹوکن کی تعداد زبان اور ٹوکنائزر کے حساب سے مختلف ہوتی ہے۔ BroadRouter کے ناپے گئے ڈیٹا سیٹ میں، وہی جدید معیاری عربی متن اپنے انگریزی ترجمے کے 1.31× (Qwen3.8 27B) سے 1.77× (GLM 5.3) ٹوکن لیتا ہے۔ زبان کے حساب سے اصل لاگت ان اعداد کو ہر ماڈل کے پیسوں میں بدلتی ہے، ہسپانوی سمیت، اور عربی ٹوکن کاؤنٹر آپ کا اپنا متن ناپتا ہے۔ ہر درخواست کے ٹوکن مواد کی زبان کے ساتھ لاگ کریں، تو آپ صرف ہر مہینے کی نہیں، ہر صارف اور ہر زبان کی لاگت دیکھ سکتے ہیں۔

آخر میں، لانچ سے پہلے اہلِ زبان سے جائزہ لیں۔ مشینی ترجمہ اور ماڈل کا آؤٹ پٹ، دونوں ایسی عربی اور ہسپانوی بناتے ہیں جو گرامر میں درست ہوتی ہے، مگر آپ کے سامعین کے لیے غلط۔ اپنی زبان میں پروڈکٹ استعمال کرنے والا جائزہ کار وہ پکڑتا ہے جو کوئی ٹیسٹ نہیں پکڑتا۔

BroadNet Inference کہاں کام آتا ہے

BroadRouter، BroadNet کی اپنی سائٹ ہے۔ BroadNet Inference کے ماڈلز عربی، انگریزی اور ہسپانوی پروڈکٹ کے لیے موزوں ہیں: BroadNet بتاتا ہے کہ اس نے Qwen3.8 27B کو عربی میں ٹیسٹ کیا ہے، جس میں خلیجی اور مصری لہجوں کی سمجھ بھی شامل ہے؛ Gemma 4 VL 26B $5 ابتدائی کریڈٹ پر چلتا ہے؛ اور ٹرانسکرپشن عربی (BroadNet Transcribe Arabic، $0.0042 فی منٹ) اور انگریزی اور ہسپانوی سمیت 14 زبانوں (BroadNet Transcribe، $0.002 فی منٹ) کا احاطہ کرتی ہے۔ انفرنس کا مواد محفوظ نہیں رکھا جاتا؛ ضروری اکاؤنٹ، بلنگ اور سکیورٹی میٹا ڈیٹا BroadNet کے پرائیویسی بیان کے مطابق رکھا جاتا ہے۔ اس پوسٹ میں لے آؤٹ، سمت، فارمیٹنگ اور شناخت کے بارے میں جو کچھ ہے، وہ آپ کی ایپلیکیشن کا کام ہے، چاہے آپ کوئی بھی API استعمال کریں۔

عام سوالات

کیا AI کو انٹرفیس کی زبان میں جواب دینا چاہیے یا صارف کی زبان میں؟

بطور ڈیفالٹ صارف کے پیغام کی زبان میں، اور صارف کو اسے بدلنے دیں۔ انٹرفیس لوکیل صرف یہ بتاتا ہے کہ اسکرین کا لے آؤٹ کیسا ہو۔ عربی انٹرفیس والا صارف اگر انگریزی میں لکھے تو عام طور پر اسے انگریزی جواب چاہیے۔

عربی چیٹ ببل کے اندر انگریزی متن کیسے دکھاؤں؟

ہر پیغام کے عنصر کو dir="auto" دیں تاکہ براؤزر پہلے مضبوط حرف سے اس کی سمت طے کرے، اور درمیان میں ڈالے گئے نام، کوڈ اور URLs کو bdi عنصر میں رکھیں۔ سادہ متن میں انہیں U+2068 FIRST STRONG ISOLATE اور U+2069 POP DIRECTIONAL ISOLATE کے درمیان رکھیں۔

کیا عربی صارفین کو عربی-ہندی ہندسے دکھانے چاہییں؟

یہ علاقے اور آپ کے صارفین پر منحصر ہے۔ ہمارے Node 24 ٹیسٹ میں ar-SA اور ar-EG کا ڈیفالٹ عربی-ہندی ہندسے تھے، اور ar-AE اور ar-MA کا مغربی ہندسے۔ ہر لوکیل کے لیے انتخاب کریں، ایک سیٹنگ دیں، اور پارس کرنے سے پہلے ہندسے یکساں کر کے ان پٹ میں دونوں شکلیں قبول کریں۔

چیٹ پیغام کی زبان کیسے پہچانوں؟

عربی بمقابلہ لاطینی رسم الخط کے لیے عربی Unicode بلاک کے حروف گننا کافی ہے۔ انگریزی اور ہسپانوی میں فرق کرنے، یا مختصر اور ملے جلے پیغامات کے لیے fastText کے lid.176 جیسا تربیت یافتہ زبان شناخت ماڈل استعمال کریں، اور پھر بھی نتیجے کو صرف اشارہ سمجھیں۔

کیا LLM API پر عربی، انگریزی سے مہنگی پڑتی ہے؟

فی پیغام اکثر ہاں، کیونکہ کئی ٹوکنائزرز کو اسی عربی مواد کے لیے زیادہ ٹوکن چاہییں۔ تناسب ماڈل کے ٹوکنائزر پر منحصر ہے۔ اسے اپنے متن پر ناپیں اور ہر زبان کا بجٹ الگ رکھیں۔

Markdown میں پڑھیںChatGPT سے پوچھیںClaude سے پوچھیںPerplexity سے پوچھیں

ذرائع