Một tính năng AI cho người dùng tiếng Ả Rập, Anh và Tây Ban Nha là ba sản phẩm dùng chung một codebase. Màn hình phải lật hướng với tiếng Ả Rập. Tin nhắn trộn nhiều hệ chữ trên cùng một dòng. Số và ngày đổi hình dạng theo khu vực. Model có thể trả lời sai ngôn ngữ, và mỗi ngôn ngữ có chi phí khác nhau. Phần lớn các vấn đề này bắt nguồn từ một lỗi thiết kế: coi “ngôn ngữ” là một thiết lập duy nhất.
Bài này nói về phía sản phẩm và giao diện. Dịch chuỗi của chính ứng dụng (placeholder, số nhiều, thông điệp ICU) có trong bài dịch chuỗi ứng dụng sang tiếng Ả Rập bằng LLM; cách viết prompt có trong kỹ thuật prompt tiếng Ả Rập.
Vì sao nên tách locale giao diện khỏi ngôn ngữ của model?
Vì chúng trả lời những câu hỏi khác nhau. Locale giao diện (ar-SA, en-US, es-MX) quyết định hướng bố cục, ngôn ngữ của các nút, và cách hiển thị số, ngày. Ngôn ngữ nội dung là ngôn ngữ của một tin nhắn, tài liệu hay bản ghi âm cụ thể, và quyết định bạn yêu cầu model làm gì.
Hai thứ này tách nhau liên tục. Một người dùng Ả Rập Xê Út với giao diện tiếng Ả Rập dán vào một hợp đồng tiếng Anh. Một người dùng Tây Ban Nha tải lên ảnh hóa đơn tiếng Ả Rập. Một nhân viên song ngữ đổi ngôn ngữ giữa cuộc hội thoại (code-switching). Nếu code gửi “trả lời bằng tiếng Ả Rập” chỉ vì giao diện là tiếng Ả Rập, hợp đồng tiếng Anh sẽ nhận một bản tóm tắt tiếng Ả Rập không ai yêu cầu.
Vì vậy hãy lưu cả hai, theo từng người dùng và từng tin nhắn:
ui_locale: do người dùng chọn, mặc định là ngôn ngữ của trình duyệt.answer_language: lựa chọn tường minh của người dùng nếu có, nếu không thì là ngôn ngữ nhận diện được từ tin nhắn.- Với âm thanh,
audio_language: giá trị bạn truyền cho model chép lời. Tài liệu API của BroadNet yêu cầu luôn gửilanguagetrong request chép lời, nếu không tiếng Ả Rập có thể trả về bằng chữ Latin.
Làm sao hỗ trợ văn bản phải sang trái và văn bản hai chiều?
Ba lớp, theo hướng dẫn của W3C:
- Hướng trang theo locale. Đặt
dir="rtl"vàlang="ar"trên phần tửhtmlcho tiếng Ả Rập. W3C khuyên không dùng CSS để đặt hướng cơ sở, và dùng giá trị logic (startvàend) cho margin, padding và căn lề thay vì left và right. - CSS logic. Dùng
margin-inline-startthay chomargin-left,text-align: startthay choleft. MDN mô tả thuộc tính logic là điều khiển bố cục “through logical rather than physical direction” (bản dịch: theo hướng logic thay vì hướng vật lý). Khi đó một stylesheet phục vụ được cả hai hướng. - Cô lập văn bản bạn không tự viết. Tin nhắn người dùng, câu trả lời của model, tên sản phẩm và mã đơn hàng có hướng riêng. Quy tắc của W3C: nếu không biết hướng của văn bản được chèn lúc chạy, hãy thêm
dir="auto"vào phần tử bọc nó, hoặc bọc nó trong phần tửbdi. Không cô lập, một mã đơn hàng tiếng Anh ở cuối câu tiếng Ả Rập có thể nhảy sang sai phía, và dấu câu rơi vào chỗ kỳ lạ.
Với giao diện chat, điều đó nghĩa là dir="auto" trên mọi bong bóng tin nhắn, vì mỗi tin nhắn lấy hướng từ ký tự mạnh đầu tiên của nó, và bdi quanh tên, mã nằm trong chuỗi giao diện của bạn. Ở nơi không có markup (thông báo đẩy, SMS, xuất CSV), ký tự cô lập của Thuật toán hai chiều Unicode làm cùng việc đó: U+2068 FIRST STRONG ISOLATE trước văn bản và U+2069 POP DIRECTIONAL ISOLATE sau văn bản.
Đầu ra của model thêm một trường hợp nữa: Markdown. Model trả lời bằng tiếng Ả Rập có thể kèm code, URL hoặc ô bảng bằng tiếng Anh. Hãy render khối code với dir="ltr" tường minh, và gán dir="auto" cho từng đoạn văn và ô bảng.
Số và ngày nên khác nhau thế nào theo locale?
Để nền tảng định dạng, và kiểm tra nó thực sự in ra gì. Chúng tôi chạy Intl.NumberFormat và Intl.DateTimeFormat trong Node 24.22.1 (ICU 78.3, CLDR 48) với 1234.5 và ngày 15 tháng 11 năm 2026:
| Locale | Số | Ngày (long) | Hướng |
|---|---|---|---|
| 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 |
Có bốn điều cần chú ý. Các locale tiếng Ả Rập khác nhau về chữ số: Ả Rập Xê Út mặc định chữ số Ả Rập-Ấn, UAE dùng chữ số phương Tây, và phần mở rộng -u-nu-latn (xem numberingSystem trên MDN) chuyển một locale sang chữ số phương Tây. Tiếng Tây Ban Nha khác nhau theo vùng: Tây Ban Nha dùng dấu phẩy thập phân và, với số bốn chữ số, không có dấu phân cách hàng nghìn; Mexico dùng dấu chấm. Tên tháng cũng khác nhau trong thế giới Ả Rập: ar-MA in tháng 11 là نونبر, còn ar-SA in là نوفمبر. Và mỗi trình duyệt đi kèm phiên bản ICU riêng, nên hãy chạy cùng các kiểm tra đó trên trình duyệt mục tiêu.
Số nhiều theo quy tắc CLDR: Intl.PluralRules cho ar trả về sáu loại với 0, 1, 2, 3, 11 và 100 (zero, one, two, few, many, other), trong khi tiếng Anh và Tây Ban Nha chỉ trả về one và other với các số đó. Phía chuỗi của vấn đề này có trong bài về chuỗi ứng dụng.
Khi nhập liệu, hãy chấp nhận cả hai dạng chữ số. Người dùng có thể gõ ١٢٣٤ vào ô số lượng; hãy chuẩn hóa về chữ số ASCII trước khi phân tích, và trước khi gửi số cho model nếu prompt của bạn có so sánh chúng.
Có nhận diện được ngôn ngữ của từng tin nhắn không?
Được một phần. Phân biệt chữ Ả Rập với chữ Latin thì dễ và đáng tin: đếm ký tự trong khối Unicode tiếng Ả Rập. Phân biệt tiếng Anh với tiếng Tây Ban Nha, hoặc đọc tin nhắn rất ngắn, cần một model đã huấn luyện. fastText công bố hai model nhận diện ngôn ngữ cho 176 ngôn ngữ (lid.176.bin, 126 MB, và bản nén lid.176.ftz, 917 kB).
Dưới đây là một module trợ giúp nhỏ cho các quyết định ở trên. Bộ nhận diện được cố ý làm đơn giản, để cho thấy cách đơn giản thất bại ở đâu.
// 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.`;
}
Chúng tôi chạy nó trên Node 24. Nó gắn nhãn وين طلبي؟ là ar, “¿Dónde está mi pedido?” là es, “Where is my order?” là en, và một câu tiếng Ả Rập chứa mã ORD-5521 là ar. “ok” trả về und, và prompt chuyển đúng sang “the language of the user’s message” (ngôn ngữ của tin nhắn người dùng). Còn “ana 3ayez a3raf el order fen”, tiếng Ả Rập Ai Cập viết bằng chữ Latin (Arabizi), trả về es, vì từ “el” trông giống tiếng Tây Ban Nha. Đó là kết quả trung thực của một heuristic. Nếu người dùng của bạn viết Arabizi, hãy nhận diện nó một cách tường minh và coi là tiếng Ả Rập, như trong xử lý Arabizi, và cho người dùng sửa ngôn ngữ trả lời bằng một lần chạm.
Hàm chữ số đổi ٢٠٢٦-١١-١٥ thành 2026-11-15, và isolate() escape HTML trước khi bọc, nên một tên công ty như Acme <Ltd> không thể chèn markup.
Còn gì thay đổi khi ngôn ngữ thay đổi?
- Độ dài văn bản. Văn bản giao diện sau khi dịch thường dài hơn. W3C trích hướng dẫn của IBM, theo đó chuỗi tiếng Anh dưới 10 ký tự có thể dài ra 200–300% trong các ngôn ngữ châu Âu, và chuỗi trên 70 ký tự khoảng 130%. Hãy thiết kế nút và nhãn để có thể xuống dòng, và thử bản tiếng Tây Ban Nha ở chiều rộng hẹp.
- Font. Chọn họ font có thiết kế tiếng Ả Rập tương ứng, và kiểm tra chiều cao dòng tiếng Ả Rập: dấu phụ cần khoảng trống phía trên và dưới.
- Tìm kiếm và so khớp. Văn bản tiếng Ả Rập cần chuẩn hóa trước khi so khớp (dấu phụ, các dạng alef, tatweel). Công cụ chuẩn hóa văn bản tiếng Ả Rập cho thấy từng quy tắc.
- Giọng nói. Chọn model chép lời theo ngôn ngữ của âm thanh, không theo giao diện. BroadNet có một model tiếng Ả Rập và một model 14 ngôn ngữ bao gồm tiếng Anh, Tây Ban Nha và Ả Rập; trang model đa ngôn ngữ khuyên chọn model tiếng Ả Rập cho âm thanh tiếng Ả Rập. Bài chuyển giọng nói thành văn bản đa ngôn ngữ so sánh các lựa chọn.
- Phương ngữ. “Tiếng Ả Rập” không phải một mục tiêu duy nhất. Người dùng ở Riyadh, Cairo và Casablanca viết khác nhau; bài phương ngữ vùng Vịnh và Ai Cập nói cần kiểm tra những gì.
Làm sao đánh giá và lập ngân sách cho từng ngôn ngữ?
Làm riêng từng ngôn ngữ. Một điểm số gộp che giấu ngôn ngữ yếu, và một ngân sách gộp che giấu ngôn ngữ đắt.
Xây một bộ đánh giá nhỏ cho mỗi ngôn ngữ từ tin nhắn thật, với người bản ngữ gắn nhãn câu trả lời mong đợi. Kiểm tra rằng câu trả lời đúng ngôn ngữ được yêu cầu, rằng tên, số và mã giữ nguyên, và rằng chất lượng giữ vững với từng phương ngữ bạn phục vụ. Chạy lại cùng bộ đó khi đổi model hoặc prompt; phương pháp có trong đánh giá LLM trước khi đổi.
Về chi phí, số token khác nhau theo ngôn ngữ và tokenizer. Trong bộ dữ liệu đo đạc của BroadRouter, cùng một văn bản tiếng Ả Rập chuẩn hiện đại cần lượng token bằng 1.31× (Qwen3.8 27B) đến 1.77× (GLM 5.3) so với bản dịch tiếng Anh. Chi phí thực theo ngôn ngữ quy đổi các con số đó thành tiền theo từng model, có cả tiếng Tây Ban Nha, và bộ đếm token tiếng Ả Rập đo văn bản của chính bạn. Ghi log token theo từng request kèm ngôn ngữ nội dung, và bạn sẽ thấy chi phí theo ngôn ngữ cho từng người dùng, không chỉ theo tháng.
Cuối cùng, hãy nhờ người bản ngữ duyệt trước khi ra mắt. Cả dịch máy lẫn đầu ra model đều tạo ra tiếng Ả Rập và Tây Ban Nha đúng ngữ pháp nhưng không hợp với người dùng của bạn. Một người duyệt dùng sản phẩm bằng chính ngôn ngữ của họ sẽ bắt được những gì không bài kiểm tra nào bắt được.
BroadNet Inference phù hợp ở đâu?
BroadRouter là trang web của chính BroadNet. Các model của BroadNet Inference khá phù hợp cho một sản phẩm tiếng Ả Rập, Anh và Tây Ban Nha: BroadNet cho biết đã thử Qwen3.8 27B bằng tiếng Ả Rập, bao gồm khả năng hiểu phương ngữ vùng Vịnh và Ai Cập; Gemma 4 VL 26B chạy được bằng tín dụng ban đầu $5; và chép lời hỗ trợ tiếng Ả Rập (BroadNet Transcribe Arabic, $0.0042 mỗi phút) cùng 14 ngôn ngữ gồm tiếng Anh và Tây Ban Nha (BroadNet Transcribe, $0.002 mỗi phút). Nội dung inference không được lưu giữ; siêu dữ liệu cần thiết về tài khoản, thanh toán và bảo mật được lưu giữ như mô tả trong tuyên bố quyền riêng tư của BroadNet. Mọi điều trong bài này về bố cục, hướng chữ, định dạng và nhận diện là việc của ứng dụng bạn, dù bạn dùng API nào.
