---
title: "LLM سے i18n JSON کا عربی ترجمہ: جمع کی شکلیں | BroadRouter"
description: "LLM API سے i18n JSON فائلوں کا عربی ترجمہ کریں: placeholders منجمد کریں، عربی کی چھ plural شکلیں بنوائیں، CI میں ICU syntax جانچیں اور شامل کیے گئے نام isolate کریں۔"
url: https://broadrouter.com/ur/blog/translate-app-strings-to-arabic-llm/
lang: ur
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

یہ صفحہ انگریزی سے AI کی مدد سے ترجمہ کیا گیا ہے۔ [انگریزی اصل پڑھیں](https://broadrouter.com/blog/translate-app-strings-to-arabic-llm/) (اپ ڈیٹ: 2026-11-15).

# LLM سے ایپ strings کا عربی ترجمہ: placeholders اور plurals

BroadNet Inference ٹیم · 7 منٹ کی پڑھائی · شائع شدہ 2026-11-15

Strings کو JSON کی صورت میں بھیجیں، ہر placeholder کی جگہ ایک marker رکھیں، عربی کی چھ plural شکلیں (zero، one، two، few، many، other) مانگیں، اور ICU plural ماڈل میں نہیں، کوڈ میں بنائیں۔ CI میں جانچیں: وہی keys، وہی arguments اور tags، چھ کی چھ شکلیں موجود۔ شامل کیے گئے ناموں کو Unicode isolates میں لپیٹیں تاکہ دائیں سے بائیں متن درست دکھے۔

## اہم نکات

-   CLDR میں عربی کی چھ cardinal plural categories ہیں۔ انگریزی source فائلوں میں دو ہوتی ہیں، اس لیے ماڈل کو ایسی چار شکلیں لکھنی پڑتی ہیں جو source میں ہیں ہی نہیں۔
-   عربی کی چھوٹی ہوئی شکل خاموشی سے ناکام ہوتی ہے۔ ہمارے ٹیسٹ میں صرف one اور other والا ICU message دو فائلوں کے لیے تثنیہ ملفان کی جگہ "2 ملف" دکھا رہا تھا، بغیر کسی error کے۔
-   درخواست سے پہلے placeholders اور tags کو ⟦0⟧ جیسے markers سے بدلیں اور بعد میں واپس رکھیں۔ جو ماڈل دیکھ نہیں سکتا، اس کا ترجمہ بھی نہیں کر سکتا۔
-   ICU plural syntax کو کوڈ چھ سادہ strings سے جوڑے۔ پھر CI میں ہر message کو FormatJS parser سے parse کریں اور کسی بھی کمی پر build ناکام کریں۔
-   عربی کے اندر شامل کیے گئے نام اور لاطینی پروڈکٹ نام bidi isolation چاہتے ہیں: HTML میں bdi یا dir="auto"، سادہ متن میں U+2068 اور U+2069۔

**اس صفحے پر**

1.  عربی plurals مشینی ترجمہ شدہ string فائلوں کو کیوں توڑتے ہیں؟
2.  Strings ماڈل کو کیسے بھیجیں؟
3.  ترجمے کی script
4.  CI میں عربی فائل کیسے validate کریں؟
5.  دائیں سے بائیں ڈسپلے کا کیا؟
6.  آؤٹ پٹ کا جائزہ کون لے؟
7.  لاگت کتنی ہے؟
8.  BroadNet Inference کہاں فِٹ ہوتا ہے

کسی ایپ کی string فائلوں کا ترجمہ نثر کے ترجمے سے مختلف کام ہے۔ ہر value مختصر ہوتی ہے، اکثر بغیر سیاق کے، اور اس میں ایسا syntax ہوتا ہے جسے ماڈل کو چھیڑنا نہیں چاہیے: placeholders، HTML tags اور جمع کے اصول۔ عربی آخری والے کو مشکل بناتی ہے۔ انگریزی فائلوں میں جمع کی دو شکلیں ہوتی ہیں؛ عربی کو چھ چاہییں۔ یہ پوسٹ OpenAI-compatible LLM پر ایک چھوٹی پائپ لائن بناتی ہے: placeholders منجمد کریں، چھ سادہ plural strings مانگیں، ICU syntax کوڈ میں جوڑیں، پھر CI میں سب کچھ validate کریں۔

دستاویزات، ٹکٹس اور معاہدوں کے ترجمے کے لیے دیکھیں [LLMs سے عربی–انگریزی ترجمہ](https://broadrouter.com/ur/blog/arabic-english-translation-llm/)، جو نثر کے لیے لہجہ، اصطلاحات کی فہرست اور جائزہ بیان کرتی ہے۔

## عربی plurals مشینی ترجمہ شدہ string فائلوں کو کیوں توڑتے ہیں؟

Unicode CLDR، جس کی `Intl.PluralRules`، ICU اور i18next سب پیروی کرتے ہیں، عربی کو چھ cardinal categories دیتا ہے:

| Category | CLDR اصول | مثالی اعداد | مثال: “فائل” |
| --- | --- | --- | --- |
| zero | n = 0 | 0 | لا توجد ملفات |
| one | n = 1 | 1 | ملف واحد |
| two | n = 2 | 2 | ملفان (تثنیہ) |
| few | n % 100 = 3..10 | 3–10, 103–110 | 5 ملفات (جمع) |
| many | n % 100 = 11..99 | 11–99, 111 | 11 ملفًا (واحد، منصوب) |
| other | باقی سب | 100–102, 1000, 0.5 | 100 ملف (واحد) |

دو باتیں لوگوں کو چونکاتی ہیں۔ پہلی، categories اعداد نہیں ہیں: 103، few ہے اور 111، many۔ دوسری، انگریزی source ماڈل کو صرف `one` اور `other` دیتا ہے، اس لیے اسے چار شکلیں صرف قواعد سے گھڑنی پڑتی ہیں۔ زیادہ تر ناکامیاں ماڈل کے انگریزی جوڑے کی نقل کرنے سے آتی ہیں۔

ناکامی خاموش ہوتی ہے۔ ہم نے intl-messageformat 12.1.5 سے ایک ایسا عربی message render کیا جس میں صرف `one` اور `other` تھے: 0، 2 اور 11 فائلیں سب “N ملف” کی صورت میں آئیں۔ `_many` key نہ ہونے پر i18next 27.1.2 نے بھی یہی کیا: 11 فائلوں پر `_other` والا متن دکھا۔ نہ کوئی error، نہ انتباہ، بس غلط عربی۔

## Strings ماڈل کو کیسے بھیجیں؟

انہیں batch میں بھیجیں۔ ہر string کے لیے ایک درخواست system prompt پر ٹوکن ضائع کرتی ہے اور متعلقہ strings کے درمیان سیاق کھو دیتی ہے۔ ایک وقت میں 50 سے 200 keys ایک JSON object کی صورت میں بھیجیں، اسکرین یا فیچر کے لحاظ سے گروپ بنا کر، تاکہ “Cancel” کے ساتھ رکھا “Save” بٹن کی طرح پڑھا جائے۔

تین اصول جواب کو قابلِ جانچ بناتے ہیں:

1.  **Placeholders منجمد کریں۔** `{name}`، i18next کے double-brace placeholders، `%s`، `%1$s` اور `<b>` جیسے tags کو ⟦0⟧ جیسے markers سے بدلیں۔ ماڈل “Welcome back, ⟦0⟧!” دیکھتا ہے اور `name` کا اسم میں ترجمہ نہیں کر سکتا۔
2.  **Plural شکلیں سادہ strings کے طور پر مانگیں۔** انگریزی کے `one` اور `other` متن بھیجیں اور چھ عربی strings مانگیں۔ ICU syntax کوڈ بناتا ہے۔ ماڈل کبھی brace نہیں لکھتا۔
3.  **اصطلاحات کی فہرست اور ترجمہ-نہ-کریں فہرست دیں۔** پروڈکٹ نام، پلان نام اور آپ کی سپورٹ ٹیم کی اصطلاحات۔ [ترجمے والی پوسٹ کا اصطلاحات والا حصہ](https://broadrouter.com/ur/blog/arabic-english-translation-llm/) بتاتا ہے کہ یہ ماڈل کے انتخاب سے زیادہ اہم کیوں ہے۔

## ترجمے کی script

Source فائل ICU MessageFormat استعمال کرتی ہے، وہ syntax جسے FormatJS document کرتا ہے۔ یہی منجمد کرنے کا طریقہ i18next کے اپنے JSON فارمیٹ پر بھی چلتا ہے، جس کی plural keys `_zero`، `_one`، `_two`، `_few`، `_many` اور `_other` پر ختم ہوتی ہیں۔

```json
{
  "save": "Save",
  "welcome": "Welcome back, {name}!",
  "invite": "<b>{inviter}</b> invited you to the {workspace} workspace",
  "billing": "Pay with AcmePay",
  "files": "{count, plural, one {# file} other {# files}}"
}
```

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

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

FORMS = ["zero", "one", "two", "few", "many", "other"]
# ICU arguments, double-brace and printf placeholders, HTML-style tags
PH = re.compile(r"\{\{\s*\w+\s*\}\}|\{\w+\}|%(?:\d+\$)?[sdif@]|</?\w+[^>]*>")
PLURAL = re.compile(r"^\{(\w+), plural,(.*)\}$", re.S)

def freeze(text):
    """Replace each placeholder with ⟦n⟧ so the model cannot translate or break it."""
    found = PH.findall(text)
    for i, p in enumerate(found):
        text = text.replace(p, f"⟦{i}⟧", 1)
    return text, found

def thaw(text, found):
    for i, p in enumerate(found):
        text = text.replace(f"⟦{i}⟧", p)
    return text

def branches(body):
    """'one {# file} other {# files}' -> {'one': '# file', 'other': '# files'}."""
    out, i = {}, 0
    while i < len(body):
        m = re.compile(r"\s*([=\w]+)\s*\{").match(body, i)
        if not m:
            break
        depth, j = 1, m.end()
        while depth:
            depth += {"{": 1, "}": -1}.get(body[j], 0)
            j += 1
        out[m.group(1)] = body[m.end():j - 1]
        i = j
    return out

SYSTEM = """You translate app interface strings from English to Modern Standard Arabic.
Reply with one JSON object only: {"STRINGS": {key: Arabic}, "PLURALS": {key: {six forms}}}.
Rules:
- ⟦0⟧, ⟦1⟧ ... are placeholders. Keep every one exactly once and unchanged; move it if Arabic word order needs it.
- # stands for the number. Keep it where the number should appear.
- Interface style: short, no full stops on buttons or labels.
- Never translate terms in DO_NOT_TRANSLATE. Use GLOSSARY translations exactly.
- For each PLURALS key, return all six Arabic forms: zero, one, two, few, many, other.
  zero = none; one = singular without a number; two = dual without a number;
  few = 3-10: # + plural noun; many = 11-99: # + singular noun in the accusative;
  other = 100, 1000 and also 0.5 and 1.5: # + singular noun."""

def translate(src, glossary=None, dnt=(), model="broadnet/qwen3.8-27b"):
    strings, plurals, frozen = {}, {}, {}
    for key, text in src.items():
        m = PLURAL.match(text)
        if m:
            b = branches(m.group(2))
            fone, ph = freeze(b.get("one", b["other"]))
            fother, _ = freeze(b["other"])
            plurals[key] = {"one": fone, "other": fother}
            frozen[key] = (m.group(1), ph)
        elif "{" in PH.sub("", text):
            raise ValueError(f"{key}: nested ICU, send to a human")
        else:
            strings[key], ph = freeze(text)
            frozen[key] = (None, ph)
    payload = {"STRINGS": strings, "PLURALS": plurals,
               "GLOSSARY": glossary or {}, "DO_NOT_TRANSLATE": list(dnt)}
    r = client.chat.completions.create(
        model=model, max_tokens=4000, temperature=0.2,
        messages=[{"role": "system", "content": SYSTEM},
                  {"role": "user", "content": json.dumps(payload, ensure_ascii=False)}])
    out = json.loads(r.choices[0].message.content)
    ar = {k: thaw(v, frozen[k][1]) for k, v in out.get("STRINGS", {}).items() if k in frozen}
    for k, forms in out.get("PLURALS", {}).items():
        if k not in frozen:
            continue
        arg, ph = frozen[k]
        ar[k] = "{%s, plural, %s}" % (arg, " ".join(
            f + " {" + thaw(forms[f], ph) + "}" for f in FORMS if f in forms))
    return ar

en = json.load(open("en.json"))
ar = translate(en, glossary={"workspace": "مساحة العمل"}, dnt=["AcmePay"])
json.dump(ar, open("ar.json", "w"), ensure_ascii=False, indent=2)
```

ہم نے اسے OpenAI Python SDK کے ساتھ live API پر نہیں، ایک لوکل mock سرور پر چلایا، پہلے سے طے شدہ عربی جواب کے ساتھ۔ ماڈل کو نظر آنے والی درخواست میں “Welcome back, ⟦0⟧!” اور “⟦0⟧⟦1⟧⟦2⟧ invited you to the ⟦3⟧ workspace” تھے، اور script نے یہ `ar.json` لکھا:

```json
{
  "save": "حفظ",
  "welcome": "مرحبًا بعودتك يا {name}!",
  "invite": "دعاك <b>{inviter}</b> إلى مساحة العمل {workspace}",
  "billing": "ادفع عبر AcmePay",
  "files": "{count, plural, zero {لا توجد ملفات} one {ملف واحد} two {ملفان} few {# ملفات} many {# ملفًا} other {# ملف}}"
}
```

کوڈ پر نوٹس:

-   **Markers جگہ بدلتے ہیں، غائب نہیں ہوتے۔** عربی اکثر فعل پہلے رکھتی ہے، اس لیے ⟦0⟧ کھسک سکتا ہے۔ نیچے والی جانچ markers گنتی ہے؛ اسے پروا نہیں کہ وہ کہاں ہیں۔
-   **Nested ICU انسان کے پاس جاتا ہے۔** `plural` کے اندر `select` کم ملتا ہے اور آسانی سے ٹوٹتا ہے۔ Script اندازہ لگانے کی بجائے اسے رد کر دیتی ہے۔
-   **`max_tokens=4000` ریزننگ کے لیے گنجائش چھوڑتا ہے۔** BroadNet کی دستاویزات کہتی ہیں کہ DeepSeek V4.1 Flash، GLM 5.3 اور Qwen3.8 27B جواب سے پہلے ریزننگ کرتے ہیں، اور ریزننگ [max\_tokens](https://broadrouter.com/ur/glossary/max-tokens/) میں شمار ہوتی ہے۔ دیکھیں [ریزننگ ماڈلز سے خالی جوابات](https://broadrouter.com/ur/guides/reasoning-tokens-empty-response/)۔
-   **`json.loads` ناکام ہو سکتا ہے۔** اسے wrap کریں اور error کے ساتھ ایک بار دوبارہ بھیجیں؛ [LLM کے invalid JSON کو درست کرنا](https://broadrouter.com/ur/blog/fix-invalid-json-from-llm/) میں ایک ٹیسٹ شدہ repair function ہے۔ GLM 5.3 اور Qwen3.8 27B پر، جو [structured output](https://broadrouter.com/ur/glossary/structured-output/) کے ساتھ documented دو BroadNet ماڈلز ہیں، ایک `response_format` schema بھی شامل کریں۔ نیچے والی جانچ دونوں صورتوں میں رہتی ہے۔

## CI میں عربی فائل کیسے validate کریں؟

ہر message کو اسی parser سے parse کریں جو آپ کی ایپ رن ٹائم پر استعمال کرتی ہے، اور source سے ملائیں۔ یہ Node script `@formatjs/icu-messageformat-parser` استعمال کرتی ہے (ہمارے ٹیسٹ میں ورژن 3.5.23):

```js
// node check-ar.mjs en.json ar.json  -> exits 1 on any problem
import { readFileSync } from "node:fs";
import { parse, TYPE } from "@formatjs/icu-messageformat-parser";

const AR_FORMS = ["zero", "one", "two", "few", "many", "other"];
const [en, ar] = process.argv.slice(2).map((p) => JSON.parse(readFileSync(p, "utf8")));
const errors = [];

// Collect argument and tag names; return the plural elements too.
function walk(nodes, names = [], plurals = []) {
  for (const n of nodes) {
    if (n.type === TYPE.literal || n.type === TYPE.pound) continue;
    names.push(n.type === TYPE.tag ? `<${n.value}>` : `{${n.value}}`);
    if (n.type === TYPE.tag) walk(n.children, names, plurals);
    if (n.type === TYPE.plural) plurals.push(n);
    if (n.options) for (const o of Object.values(n.options)) walk(o.value, [], plurals);
  }
  return { names: names.sort().join(" "), plurals };
}

for (const key of Object.keys(en)) {
  if (!(key in ar)) { errors.push(`${key}: missing`); continue; }
  let src, dst;
  try { src = walk(parse(en[key])); dst = walk(parse(ar[key], { requiresOtherClause: true })); }
  catch (e) { errors.push(`${key}: ICU syntax error ${e.message}`); continue; }
  if (src.names !== dst.names) errors.push(`${key}: arguments differ: [${src.names}] vs [${dst.names}]`);
  for (const p of dst.plurals) {
    const missing = AR_FORMS.filter((f) => !(f in p.options));
    if (missing.length) errors.push(`${key}: plural {${p.value}} lacks ${missing.join(", ")}`);
  }
  if (!/[؀-ۿ]/.test(ar[key])) errors.push(`${key}: no Arabic letters`);
  if (/⟦\d+⟧/.test(ar[key])) errors.push(`${key}: placeholder marker left in text`);
}
for (const key of Object.keys(ar)) if (!(key in en)) errors.push(`${key}: not in source`);
console.log(errors.join("\n") || "ok");
process.exit(errors.length ? 1 : 0);
```

اوپر والی فائل پر اس نے `ok` چھاپا۔ پھر ہم نے mock جواب سے `many` شکل اور `{workspace}` marker ہٹوا دیے۔ Script کوڈ 1 کے ساتھ ختم ہوئی اور یہ چھاپا:

```text
invite: arguments differ: [<b> {inviter} {workspace}] vs [<b> {inviter}]
files: plural {count} lacks many
```

“no Arabic letters” اصول ان strings کو پکڑتا ہے جنہیں ماڈل نے انگریزی میں چھوڑ دیا۔ یہ ان values کو بھی پکڑتا ہے جو صرف پروڈکٹ نام یا عدد ہیں، اس لیے ان کے لیے ایک allow-list رکھیں۔ i18next کے اپنے فارمیٹ کے لیے ہر key پر وہی جانچیں لگائیں: انگریزی کے ہر `_one`/`_other` جوڑے کے لیے عربی میں چھ کی چھ suffix والی keys چاہییں، اور ہر ایک میں وہی placeholders، سوائے اس کے کہ `_zero`، `_one` اور `_two` گنتی چھوڑ سکتے ہیں۔

آخر میں، چند اعداد اپنے اصل formatter سے render کریں۔ intl-messageformat 12.1.5 کے ساتھ اوپر والے `files` message نے 0 → لا توجد ملفات, 2 → ملفان, 5 → 5 ملفات, 11 → 11 ملفًا, 102 → 102 ملف اور 111 → 111 ملفًا دیا۔ یہ چھوٹی جانچ ایسی شکل پکڑتی ہے جو parse تو ہوتی ہے مگر غلط اسم استعمال کرتی ہے۔

## دائیں سے بائیں ڈسپلے کا کیا؟

ترجمہ الفاظ درست کرتا ہے؛ براؤزر کو پھر بھی انہیں ترتیب دینی ہوتی ہے۔ جب کوئی لاطینی نام یا عدد عربی جملے میں شامل کیا جاتا ہے تو Unicode bidirectional algorithm رموزِ اوقاف کھسکا سکتا ہے یا ساتھ والے حصوں کی جگہ بدل سکتا ہے۔ W3C کا مشورہ ہے کہ شامل کیے گئے متن کو isolate کریں: HTML میں اسے `<bdi>` یا `dir="auto"` والے element میں لپیٹیں، یا سادہ متن، جیسے push notifications، میں اس کے دونوں طرف U+2068 FIRST STRONG ISOLATE اور U+2069 POP DIRECTIONAL ISOLATE لگائیں۔

یہ وہاں کریں جہاں آپ interpolate کرتے ہیں، ترجمے میں نہیں۔ ہمارے ٹیسٹ میں، نام کو U+2068 اور U+2069 میں لپیٹ کر welcome message format کرنے پر دونوں حروف آؤٹ پٹ میں برقرار رہے اور عربی متاثر نہیں ہوئی۔ صفحے یا container پر `dir="rtl"` اور `lang="ar"` بھی سیٹ کریں۔ [عربی پرامپٹ انجینئرنگ](https://broadrouter.com/ur/blog/arabic-prompt-engineering/) میں RTL ڈسپلے bugs کی ایک مختصر چیک لسٹ ہے۔

ہندسے formatter کا فیصلہ ہیں، ترجمے کا نہیں۔ string میں `#` یا argument رکھیں۔ Node 24 (ICU 78.3) میں `Intl.NumberFormat` نے 1234 کو `ar` کے لیے 1,234 اور `ar-EG` اور `ar-SA` کے لیے ١٬٢٣٤ لکھا۔ اپنی مارکیٹ سے ملتا locale tag منتخب کریں۔ پروڈکٹ کے بڑے سوالات (انٹرفیس locale بمقابلہ ماڈل کی زبان، ملی جلی سمتوں والے chat bubbles، زبان کی شناخت اور ہر زبان کی لاگت) کے لیے دیکھیں [کئی زبانوں کے لیے AI تجربہ ڈیزائن کرنا](https://broadrouter.com/ur/blog/multilingual-product-design/)۔

## آؤٹ پٹ کا جائزہ کون لے؟

ان جانچوں والی LLM پائپ لائن ضمانت دیتی ہے کہ فائل درست بنی ہے۔ یہ ضمانت نہیں دیتی کہ عربی درست ہے۔ کسی عربی بولنے والے سے ان کا جائزہ لیں:

-   **صرف نئی اور بدلی ہوئی strings۔** `en.json` کا پچھلی release سے diff نکالیں اور صرف بدلا ہوا ترجمہ کریں۔ جائزے مختصر رہتے ہیں، اور منظور شدہ strings کبھی نہیں بدلتیں۔
-   **Plural شکلیں، لفظ بہ لفظ۔** اعداد کے ساتھ مطابقت وہ جگہ ہے جہاں ماڈل سب سے زیادہ پھسلتا ہے، خاص طور پر 11 سے 99 کے بعد منصوب۔
-   **جنس۔** عربی میں “آپ” اور افعال قاری کی جنس کے ساتھ بدلتے ہیں۔ اگر آپ کا UI صارفین کو براہِ راست مخاطب کرتا ہے تو ایک اصول طے کریں، جیسے ایک مقررہ شکل یا غیر جانبدار جملہ بندی، اور اسے system prompt میں ڈالیں۔
-   **لمبائی۔** عربی strings انگریزی سے لمبی یا چھوٹی ہو سکتی ہیں۔ بٹن اور tabs اصل layout میں موبائل چوڑائی پر جانچیں۔

Repo میں جائزہ شدہ اصطلاحات کی فائل رکھیں اور ہر درخواست کے ساتھ بھیجیں، تاکہ منظور شدہ اصطلاحات مقرر رہیں۔

## لاگت کتنی ہے؟

String فائلیں چھوٹی ہوتی ہیں۔ آؤٹ پٹ تقریباً ان پٹ جتنا لمبا ہوتا ہے، اور عربی کو عموماً انگریزی سے فی لفظ زیادہ ٹوکن چاہییں؛ [عربی اور انگریزی میں فی لفظ ٹوکن](https://broadrouter.com/ur/blog/tokens-per-word-arabic-english/) میں ناپے گئے تناسب ہیں۔ ایک batch [عربی ٹوکن کاؤنٹر](https://broadrouter.com/tools/arabic-token-counter/) میں پیسٹ کریں، batches کی تعداد سے ضرب دیں، اور ہر ایک میں system prompt شامل کریں۔ ریزننگ ماڈلز سوچنے میں بھی ٹوکن خرچ کرتے ہیں؛ BroadNet انہیں `usage` میں `completion_tokens_details.reasoning_tokens` کی صورت میں بتاتا ہے، اس لیے اندازہ بڑھانے سے پہلے کسی اصل درخواست کا `usage` پڑھیں۔

| ماڈل | اس کام کے لیے نوٹس | فی دس لاکھ ٹوکن ان پٹ / آؤٹ پٹ |
| --- | --- | --- |
| [Qwen3.8 27B](https://broadrouter.com/ur/models/qwen3.8-27b/) | Structured output documented | $0.175 / $2.17 |
| [GLM 5.3](https://broadrouter.com/ur/models/glm-5.3/) | Structured output documented؛ 1,048,576 ٹوکن کا کانٹیکسٹ | $0.78 / $3.46 |
| [Gemma 4 VL 26B](https://broadrouter.com/ur/models/gemma-4-vl-26b/) | $5 کے ابتدائی کریڈٹ پر چلتا ہے؛ JSON صرف پرامپٹ سے، اس لیے validator زیادہ اہم ہے | $0.10 / $0.22 |
| [DeepSeek V4.1 Flash](https://broadrouter.com/ur/models/deepseek-v4.1-flash/) | مقررہ قیمت والے پلانز پر بھی، جیسے $15 فی ہفتہ فی سیشن، ہر سیشن میں ایک وقت میں ایک درخواست | $0.175 / $0.52 |

قیمتیں BroadNet کی pricing feed سے ہیں، 2026-11-14 کو اپ ڈیٹ۔ ایک ماڈل منتخب کرنے سے پہلے وہی 100 strings دو ماڈلز سے ترجمہ کروائیں اور اپنے جائزہ کار سے موازنہ کروائیں؛ فی ٹوکن قیمت تصحیحات کی تعداد سے کم اہم ہے۔ کئی زبانوں میں ہزاروں keys کے لیے، [Batch API کے بغیر batch processing](https://broadrouter.com/ur/blog/llm-batch-processing-without-batch-api/) concurrency اور retries بیان کرتی ہے۔

## BroadNet Inference کہاں فِٹ ہوتا ہے

BroadRouter، BroadNet کی اپنی سائٹ ہے۔ BroadNet Inference اوپر کے ماڈلز تک OpenAI-compatible رسائی دیتا ہے، اس لیے base URL اور ماڈل ID بدلنے کے بعد script [OpenAI Python SDK](https://broadrouter.com/ur/guides/openai-python-sdk/) کے ساتھ چلتی ہے؛ ہر ماڈل کن parameters کو سپورٹ کرتا ہے، اس کے لیے [API ریفرنس](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ur-blog-translate-app-strings-to-arabic-llm&utm_content=body) دیکھیں۔ اس کے پاس ترجمے کا اینڈپوائنٹ نہیں ہے اور یہ کوئی localization benchmark شائع نہیں کرتا، اس لیے validator اور انسانی جائزہ کار ہی آپ کے معیار کی کسوٹی رہتے ہیں۔ مخصوص localization پلیٹ فارمز translation memory، جائزہ کاروں کے workflows اور سیاق والے screenshots شامل کرتے ہیں؛ اگر وہ چاہییں تو کوئی پلیٹ فارم استعمال کریں اور اوپر والی CI جانچ کو دوسری صف کے طور پر رکھیں۔

اس موضوع کے مفت ٹولز (انگریزی میں)

-   [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.

[مفت ٹولز (انگریزی میں)](https://broadrouter.com/tools/)

## اس مضمون کی اصطلاحات

[ٹوکن (token)](https://broadrouter.com/ur/glossary/token/)

ٹوکن متن کی وہ اکائی ہے جسے لینگویج ماڈل پڑھتا اور لکھتا ہے: کوئی لفظ، لفظ کا حصہ، رموزِ اوقاف کی کوئی علامت یا بائٹس کا سلسلہ، جو ماڈل کا ٹوکنائزر بناتا ہے۔ LLM API استعمال کو ٹوکنز میں گنتے ہیں، انہی میں حدیں لگاتے ہیں اور عموماً بل بھی بناتے ہیں۔

[اسٹرکچرڈ آؤٹ پٹ (structured output)](https://broadrouter.com/ur/glossary/structured-output/)

اسٹرکچرڈ آؤٹ پٹ LLM API کا ایک فیچر ہے جو ماڈل کے جواب کو ڈویلپر کے طے کردہ فارمیٹ، عموماً JSON Schema، تک محدود کرتا ہے، تاکہ کوڈ اسے قابلِ اعتماد طریقے سے پارس کر سکے۔ یہ JSON mode سے زیادہ سخت ہے، جو درست JSON کی ضمانت دیتا ہے، لیکن کسی خاص ساخت کی نہیں۔

[سسٹم پرامپٹ (system prompt)](https://broadrouter.com/ur/glossary/system-prompt/)

سسٹم پرامپٹ وہ ہدایتی متن ہے جو کوئی ایپلیکیشن گفتگو سے پہلے لینگویج ماڈل کو بھیجتی ہے، عموماً system یا developer رول والے پیغام کے طور پر۔ یہ ماڈل کا کردار، قواعد، لہجہ اور آؤٹ پٹ فارمیٹ طے کرتا ہے، اور ٹکراؤ کی صورت میں ماڈل کو صارف کے پیغامات کے بجائے اسی پر عمل کرنا ہوتا ہے۔

[کنکرنسی (concurrency)](https://broadrouter.com/ur/glossary/concurrency/)

کنکرنسی، کسی کلائنٹ کی بیک وقت چل رہی (in-flight) درخواستوں کی تعداد ہے۔ LLM APIs اکثر اس کی حد ہر کلید یا پلان پر، فی منٹ درخواستوں سے الگ رکھتے ہیں، کیونکہ ہر کھلی درخواست جواب مکمل ہونے تک GPU کی گنجائش گھیرے رکھتی ہے۔

[base URL](https://broadrouter.com/ur/glossary/base-url/)

base URL کسی API کا مقررہ بنیادی پتہ ہے، جیسے https://api.example.com/v1، جسے کلائنٹ /chat/completions جیسے ہر اینڈپوائنٹ پاتھ کے آگے لگاتا ہے۔ OpenAI-compatible SDK میں base URL کو API کلید اور ماڈل ID کے ساتھ بدلنے سے وہی کوڈ کسی دوسرے فراہم کنندہ سے جڑ جاتا ہے۔

[پرامپٹ انجینئرنگ (prompt engineering)](https://broadrouter.com/ur/glossary/prompt-engineering/)

پرامپٹ انجینئرنگ، لینگویج ماڈل کو دی جانے والی ہدایات کو لکھنے، ترتیب دینے اور ٹیسٹ کرنے کا عمل ہے، تاکہ ماڈل مسلسل آپ کی ضروریات کے مطابق آؤٹ پٹ دے۔ اس میں رول پیغامات، واضح ہدایات، مثالیں، فارمیٹنگ اور ٹیسٹ کیسز پر نتائج کی پیمائش شامل ہے۔

[ٹول کالنگ (tool calling)](https://broadrouter.com/ur/glossary/tool-calling/)

ٹول کالنگ، جسے function calling بھی کہتے ہیں، LLM API کی وہ سہولت ہے جس میں ماڈل ڈویلپر کے طے کردہ کسی فنکشن کو چلانے کی ایک منظم درخواست، JSON آرگیومنٹس کے ساتھ، لوٹاتا ہے۔ ایپلیکیشن فنکشن چلا کر نتیجہ واپس بھیجتی ہے؛ ماڈل خود کبھی کوڈ نہیں چلاتا۔

[دائیں سے بائیں متن (right-to-left، RTL text)](https://broadrouter.com/ur/glossary/rtl-text/)

دائیں سے بائیں (RTL) متن وہ تحریر ہے، جیسے عربی یا عبرانی، جو دائیں سے بائیں دکھائی جاتی ہے۔ کمپیوٹر اسے منطقی پڑھنے کی ترتیب میں محفوظ کرتے ہیں، اور جب RTL متن بائیں سے دائیں متن، ہندسوں، ماڈل ناموں یا کوڈ کے ساتھ ملتا ہے تو Unicode Bidirectional Algorithm دکھانے کی ترتیب طے کرتا ہے۔

## عام سوالات

### عربی میں جمع کی کتنی شکلیں ہوتی ہیں؟

Unicode CLDR میں چھ cardinal categories: zero (0)، one (1)، two (2)، few (03 سے 10 پر ختم ہونے والے اعداد، جیسے 3 سے 10 اور 103)، many (11 سے 99 پر ختم ہونے والے) اور other (100 سے 102، 1000، اور 0.5 جیسے اعشاریے)۔ انگریزی فائل میں صرف one اور other ہوتے ہیں۔

### کیا ChatGPT یا کوئی دوسرا LLM میری i18n JSON فائل کا عربی ترجمہ کر سکتا ہے؟

ہاں، اگر فارمیٹ آپ کے قابو میں ہو۔ صرف values بھیجیں، placeholders کو markers سے بدلیں، چھ plural شکلیں مانگیں، اور نتیجہ کوڈ میں جانچیں: keys، arguments، tags اور plural categories۔ ریلیز سے پہلے نئی strings کا جائزہ کسی عربی بولنے والے سے کروائیں۔

### اگر عربی ترجمے میں کوئی plural شکل چھوٹ جائے تو کیا ہوتا ہے؟

عموماً کچھ بھی ظاہری طور پر ناکام نہیں ہوتا۔ i18next اور intl-messageformat، other شکل پر لوٹ جاتے ہیں، اس لیے دو فائلیں تثنیہ ملفان کی جگہ "2 ملف" دکھتی ہیں۔ صرف چھ کی چھ شکلیں مانگنے والا validator اسے صارفین سے پہلے پکڑتا ہے۔

### کیا LLM کو خود ICU MessageFormat syntax لکھنا چاہیے؟

بہتر ہے نہیں۔ ہر plural message کے لیے چھ سادہ strings مانگیں اور ICU syntax کوڈ میں جوڑیں۔ ماڈلز کبھی کبھار کوئی brace چھوڑ دیتے ہیں یا argument کے نام کا ترجمہ کر دیتے ہیں، اور پھر parser error رن ٹائم پر پورا bundle توڑ دیتا ہے۔

### عربی UI strings میں کون سے ہندسے استعمال ہوں؟

یہ ترجمہ نہیں، number formatter طے کرے۔ string میں # یا argument رکھیں۔ ہمارے Node 24 ٹیسٹ میں Intl.NumberFormat نے 1234 کو ar کے لیے 1,234 اور ar-EG اور ar-SA کے لیے ١٬٢٣٤ لکھا، یعنی locale tag ہندسے طے کرتا ہے۔

## مزید پڑھیں

-   [LLMs سے عربی–انگریزی ترجمہ: پرامپٹس، اصطلاحات، جائزہ](https://broadrouter.com/ur/blog/arabic-english-translation-llm/)
-   [عربی پرامپٹ انجینئرنگ: register، RTL، ہندسے اور ملا جلا متن](https://broadrouter.com/ur/blog/arabic-prompt-engineering/)
-   [JSON mode بمقابلہ json\_schema: قابل اعتماد اسٹرکچرڈ آؤٹ پٹ](https://broadrouter.com/ur/blog/structured-output-json-schema/)
-   [LLM کا غلط JSON کیسے ٹھیک کریں: وجوہات، مرمت، دوبارہ کوشش](https://broadrouter.com/ur/blog/fix-invalid-json-from-llm/)
-   [عربی بمقابلہ انگریزی میں فی لفظ ٹوکن: عربی مہنگی کیوں پڑتی ہے](https://broadrouter.com/ur/blog/tokens-per-word-arabic-english/)
-   [Batch API کے بغیر LLM بیچ پروسیسنگ: دوبارہ شروع ہونے والا runner](https://broadrouter.com/ur/blog/llm-batch-processing-without-batch-api/)
-   [کئی زبانوں کے لیے AI پروڈکٹ کیسے ڈیزائن کریں](https://broadrouter.com/ur/blog/multilingual-product-design/)
-   [LLM سے عربی متن پر اعراب (تشکیل) لگانا: پرامپٹ، جانچ، DER](https://broadrouter.com/ur/blog/arabic-diacritization-llm/)
-   [LLM سے عربی گرامر اور املا کی تصحیح: ایک عملی رہنما](https://broadrouter.com/ur/blog/arabic-grammar-spelling-correction-llm/)
-   [گائیڈ: BroadNet Inference کے ساتھ OpenAI Python SDK استعمال کریں](https://broadrouter.com/ur/guides/openai-python-sdk/)
-   [گائیڈ: ریزننگ ماڈل خالی جواب کیوں لوٹاتا ہے](https://broadrouter.com/ur/guides/reasoning-tokens-empty-response/)

اسے اپنے اصل کام پر آزمائیں۔ نئے اکاؤنٹس Gemma اور ٹرانسکرپشن کے لیے US$5 کے کریڈٹ سے شروع ہوتے ہیں۔ DeepSeek، GLM، اور Qwen3.8 کے لیے ٹاپ اپ ضروری ہے۔

[شروع کریں](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ur-blog-translate-app-strings-to-arabic-llm&utm_content=page-cta) ·

**ذرائع**

-   [Unicode CLDR، Language Plural Rules چارٹ: عربی کی cardinal categories zero، one، two، few (n % 100 = 3..10)، many (n % 100 = 11..99)، other (2026-11-15 کو جانچا گیا)](https://www.unicode.org/cldr/charts/latest/supplemental/language_plural_rules.html)
-   [MDN، Intl.PluralRules.prototype.select(): عربی میں cardinal اعداد کی 6 شکلیں (2026-11-15 کو جانچا گیا)](https://developer.mozilla.org/en-US/docs/Web/JavaScript/Reference/Global_Objects/Intl/PluralRules/select)
-   [FormatJS، Message syntax: plural categories، عین =value مماثلت، # علامت، other لازمی ہے، apostrophe escaping (2026-11-15 کو جانچا گیا)](https://formatjs.github.io/docs/core-concepts/icu-syntax)
-   [i18next دستاویزات، Plurals: \_zero، \_one، \_two، \_few، \_many، \_other suffixes، عربی مثال، Intl.PluralRules، count variable (2026-11-15 کو جانچا گیا)](https://www.i18next.com/translation-function/plurals)
-   [i18next دستاویزات، JSON فارمیٹ: v4 plural keys اور interpolation (2026-11-15 کو جانچا گیا)](https://www.i18next.com/misc/json-format)
-   [W3C Internationalization، HTML میں inline markup اور دو طرفہ متن: dir، bdi، FSI U+2068 اور PDI U+2069 (2026-11-15 کو جانچا گیا)](https://www.w3.org/International/articles/inline-bidi-markup/)
-   [BroadNet Inference API ریفرنس: ماڈل IDs، GLM 5.3 اور Qwen3.8 27B کے لیے structured output، ریزننگ max\_tokens میں شمار ہوتی ہے (2026-11-15 کو جانچا گیا) (انگریزی میں)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ur-blog-translate-app-strings-to-arabic-llm&utm_content=sources)
