BroadRouter

العربيزي ونماذج LLM: التعامل مع الفرانكو والأرقام مثل 3 و7

بقلم فريق BroadNet Inference · قراءة في 5 دقائق · تاريخ النشر · آخر تحديث

العربيزي، ويُسمى أيضًا الفرانكو آراب، هو العربية مكتوبةً بحروف لاتينية مع أرقام للأصوات التي لا مقابل لها في اللاتينية: 3 لحرف ع، و7 لحرف ح، و2 للهمزة، و5 لحرف خ. تفهمه نماذج LLM عادةً لكنها تحوّله بشكل غير متّسق. اكشفه، واطلب من النموذج تحويله إلى الحروف العربية مع تسمية اللهجة، ثم عالج النص العربي.

العربيزي، ويُسمى أيضًا الفرانكو آراب أو «الفرانكو»، هو العربية مكتوبةً بحروف لاتينية مع أرقام للأصوات التي لا مقابل لها في اللاتينية، مثل 3 لحرف ع و7 لحرف ح. وللتعامل معه بنموذج LLM: اكشفه، واجعل النموذج يحوّله إلى الحروف العربية مع تسمية اللهجة، وشغّل بقية مسارك على النص العربي.

“ana 3ayez a7gez ma3ad bokra” رسالة عادية من عميل في مصر: «أنا عايز أحجز ميعاد بكرة». نشأ العربيزي على الهواتف والحواسيب التي لم تكن فيها لوحات مفاتيح عربية، وما زال يظهر في المحادثات.

أي الأرقام ترمز إلى أي الحروف العربية؟

لا يوجد معيار، لكن الأرقام تُستخدم للحروف العربية التي تشبهها شكلًا أو التي لا مقابل لها في اللاتينية. تسرد النظرة العامة على أبجدية الدردشة العربية الاصطلاحات الشائعة:

الرقم الحرف العربي مثال بالحروف العربية المعنى
2 ء (الهمزة) / أ so2al سؤال سؤال
3 ع 3arabi عربي عربي
3’ أو 8 غ 8aly / 3’aly غالي غالي الثمن
5 أو kh خ 5alas خلاص انتهى / يكفي
6 ط 6ayeb طيب حسنًا (خليجي)
7 ح 7abibi حبيبي عزيزي
9 ص 9ba7 صباح صباح (خليجي)
8 ق (في بعض المناطق) 8alb قلب قلب

تختلف العادات بين المناطق. فالنظرة العامة تذكر مثلًا أن 8 لحرف غ لا تُستخدم إلا في لبنان، بينما 8 و9 لحرف ق شائعان في السعودية؛ وفي العربيزي المصري قد يرمز 2 إلى ق حيث تُنطق همزةً. والحروف الصوتية تُكتب بالسمع، فـ”ma3lesh” و”ma3lsh” و”m3lsh” (معلش) كلها الكلمة نفسها.

لماذا يصعب العربيزي على البرمجيات؟

  • يكاد يكون دائمًا لهجةً. يكتب الناس العربيزي كما يتكلمون، فيحمل كل تحديات اللهجات دفعة واحدة، دون حروف عربية تثبّته.
  • يشبه الإنجليزية أو الفرنسية. “bas” تعني «بس» (لكن / فقط) بالعربية ولا شيء بالإنجليزية؛ و”men” تعني «من». وكثيرًا ما تصنّف أدوات كشف الكلمات المفتاحية وتحديد اللغة العربيزيَّ على أنه إنجليزية أو لغة أخرى بحروف لاتينية.
  • لا إملاء معياريًا. فيتعطل البحث بالتطابق التام وقواعد النية والتحليلات.
  • التبديل اللغوي. “el order bta3i lessa ma waslsh, can u check?” تخلط العربيزي المصري والإنجليزية في جملة واحدة.

تتعثر المحوّلات المبنية على القواعد لأن السلسلة اللاتينية الواحدة قد تقابل تهجئات عربية كثيرة؛ والأنظمة البحثية مثل عمل Darwish في كشف العربيزي وتحويله جمعت بين التنقيب عن التحويلات الحرفية والنمذجة اللغوية لاختيار الكلمة الصحيحة، وذكرت دقة تحويل بلغت 88.7%. ونماذج LLM الحديثة تفعل ذلك فعليًا في خطوة واحدة.

ما مدى جودة نماذج LLM مع العربيزي؟

رأت النماذج الكبيرة العربيزي في نصوص الويب ووسائل التواصل الاجتماعي، فهي تفهم العبارات الشائعة غالبًا. لكن النتائج تختلف بحسب النموذج واللهجة، فاختبر قبل أن تعتمد عليه. أنماط الإخفاق المعتادة:

  1. معاملته على أنه إنجليزية والرد على رسالة أُسيء فهمها.
  2. التحويل إلى لهجة خاطئة، مثل «تحويل» المصرية إلى كلمات فصيحة تغيّر النبرة، أو تخمين الخليجية بينما المستخدم لبناني.
  3. عدم اتساق حروف المخرجات، الرد بالعربيزي على رسالة وبالحروف العربية على التالية.
  4. دقة متوهَّمة في الأسماء والأماكن، حيث تكون التهجئة اللاتينية ملتبسة.

والحل هو نفسه كما في اللهجات عمومًا: أخبر النموذج بما يتوقعه وبما يجب أن يُنتجه.

كيف تحوّل العربيزي إلى الحروف العربية بنموذج LLM؟

حوّل العربيزي إلى الحروف العربية أولًا، ثم شغّل بقية مسارك (البحث، والتوجيه، والردود) على النص العربي. هذا يُبقي مسار شيفرة واحدًا ويجعل البحث والتحليلات تعمل.

import json, os
from openai import OpenAI

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

NORMALISE = """You receive a customer message that may be in Arabic script, English,
or Arabizi (Arabic written in Latin letters and digits, e.g. 3=ع, 7=ح, 2=ء, 5=خ).
Customers are mostly Egyptian. Return JSON only:
{"script": "arabic" | "arabizi" | "latin_english" | "mixed",
 "dialect": "egyptian" | "gulf" | "levantine" | "msa" | "other" | null,
 "arabic_text": "<the message in Arabic script, keeping the dialect words; keep English words in Latin letters>",
 "english_gloss": "<short English meaning>"}"""

def normalise(message: str) -> dict:
    r = client.chat.completions.create(
        model="broadnet/qwen3.8-27b",
        max_tokens=1500,  # the model reasons first; leave room for the JSON
        messages=[{"role": "system", "content": NORMALISE},
                  {"role": "user", "content": message}],
    )
    text = r.choices[0].message.content.strip()
    text = text.removeprefix("```json").removeprefix("```").removesuffix("```")
    return json.loads(text)  # validate the fields before you trust them

print(normalise("el order bta3i lessa ma waslsh, can u check?"))

نتيجة جيدة:

{"script": "mixed", "dialect": "egyptian",
 "arabic_text": "الأوردر بتاعي لسه ما وصلش، can u check?",
 "english_gloss": "My order still hasn't arrived, can you check?"}

ملاحظات على هذا التصميم:

  • احتفظ بكلمات اللهجة. طلب “the message in Arabic script, keeping the dialect words” يتجنب إعادة كتابتها بالفصحى دون أن تنتبه، ما قد يُفقدها معناها في التوجيه وتحليل المشاعر.
  • احتفظ بالأصل. خزّن الرسالة الخام بجانب التحويل للتدقيق ولإعادة تدريب القواعد.
  • استخدم مُرشِّحًا أوليًا رخيصًا. فحص بسيط (حروف لاتينية مع الأرقام 2 أو 3 أو 5 أو 6 أو 7 أو 8 أو 9 داخل الكلمات، كما في التعبير النمطي أدناه) يلتقط معظم العربيزي قبل أن تنفق استدعاء LLM. والرسائل العربية الخالصة أو الإنجليزية الخالصة يمكنها تخطي التحويل. ولمخرجات أكثر صرامة، استخدم المخرجات المنظَّمة مع مخطط.
import re
ARABIZI_HINT = re.compile(r"\b[a-z]*[2356789][a-z]+\b|\b[a-z]+[2356789][a-z]*\b", re.I)
def maybe_arabizi(text: str) -> bool:
    return bool(ARABIZI_HINT.search(text)) and not re.search(r"[؀-ۿ]", text)

يفوت هذا المؤشرَ العربيزي الخالي من الأرقام (“ana mesh fahem”، أي أنا مش فاهم)، ويُطلَق على رموز منتجات مثل “a7x”؛ فتعامل معه كأداة لتوفير التكلفة، لا مصنِّفًا. الحقل script من نموذج LLM هو القرار الحقيقي.

بأي حروف يُكتب الرد؟

قرّر لكل منتج، لا لكل رسالة:

الرد بـ متى
الحروف العربية (فصحى أو لهجة خفيفة) الخيار الافتراضي لمعظم الأعمال؛ يقرؤه الجميع
الإنجليزية إن كانت لغة الدعم لديك الإنجليزية، أو كان العميل قد كتب بالإنجليزية في الغالب
العربيزي العلامات الموجهة للشباب التي تريد مجاراة أسلوب العميل؛ راجع عينات مع متحدثين أصليين

عكس العربيزي تلقائيًا يميل إلى إنتاج تهجئات تبدو غريبة للمستخدمين الأصليين، لأنه لا معيار يُتّبع. وإن اخترت عكسه، فأعطِ النموذج أمثلة على التهجئات التي تفضلها. المزيد عن ضبط المستوى اللغوي والحروف في هندسة الأوامر بالعربية.

أي نموذج تستخدم للعربيزي؟

اجمع 50 إلى 100 رسالة عربيزي حقيقية من قنواتك، واكتب لكل منها الصيغة الصحيحة بالحروف العربية والنية، وقيّم النماذج المرشحة على دقة تحديد النية أولًا ثم جودة التحويل. تذكر BroadNet أن Qwen3.8 27B فهم اللهجتين الخليجية والمصرية وكتب عربية سلسة في اختباراتها؛ ولم تنشر نتيجة خاصة بالعربيزي، فاختبره على رسائلك. أما DeepSeek V4.1 Flash فأرخص لكل رمز إخراج، وBroadNet Gemma 4 VL 26B أرخص نماذج BroadNet لخطوة تصنيف أولي بحجم كبير. الأسعار في صفحة الأسعار. يُجزَّأ العربيزي بالحروف اللاتينية والنص بالحروف العربية بشكل مختلف إلى رموز (توكن)، فالصق النسختين من بضع رسائل في عدّاد الرموز المجاني قبل تقدير التكلفة.

أين يظهر العربيزي؟

  • واتساب والرسائل الخاصة في وسائل التواصل: المصدر الرئيسي. راجع بنية بوت واتساب عربي.
  • مربعات البحث: يكتب المستخدمون “7agz” (حجز). وحّد الاستعلامات بالخطوة نفسها قبل الاسترجاع العربي في RAG.
  • ليس من تحويل الكلام إلى نص، إن أرسلت اللغة. العربيزي يكتبه الناس. إذا عاد نص مفرّغ لصوت عربي بحروف لاتينية، فالطلب على الأرجح يخلو من language=ar؛ وتحذّر وثائق BroadNet من أن العربية قد تُحوَّل حرفيًا إلى اللاتينية بخلاف ذلك. راجع دليل الرسائل الصوتية في واتساب.

أسئلة شائعة

هل العربيزي هو نفسه الفرانكو آراب؟

نعم. العربيزي والفرانكو آراب والفرانكو وأبجدية الدردشة العربية أسماء للممارسة نفسها، أي كتابة العربية بحروف وأرقام لاتينية. وتختلف التسمية من بلد لآخر؛ و«الفرانكو» شائع في مصر.

هل يجب أن يردّ بوت المحادثة بالعربيزي؟

في الغالب لا. ردّ بالحروف العربية أو بالإنجليزية، بما يناسب علامتك التجارية. بعض العلامات الموجهة للشباب تردّ فعلًا بالعربيزي، لكن اطلب من متحدثين أصليين التأكد من أن الإملاء يبدو طبيعيًا.

هل يمكن لتعبير نمطي (regex) تحويل العربيزي إلى عربي؟

ليس بشكل موثوق. الحروف الصوتية تُحذف أو تُضاف بحرية، والحروف اللاتينية نفسها تقابل حروفًا عربية مختلفة بحسب السياق. القواعد تساعد في الكشف، أما التحويل فيحتاج نموذجًا لغويًا.

ماذا يعني الرقم 3 في الكتابة العربية بالحروف اللاتينية؟

في العربيزي، يرمز 3 إلى حرف ع (العين)، كما في "3arabi" بمعنى عربي. ومن الأرقام الشائعة الأخرى 2 للهمزة، و5 لحرف خ، و7 لحرف ح، و9 لحرف ص.

لماذا عاد النص المفرّغ بحروف لاتينية؟

هذا تحويل حرفي قام به نموذج الكلام، لا عربيزي كتبه المستخدمون. أرسل language=ar مع كل طلب تفريغ عربي لتحصل على الحروف العربية.

اقرأها بصيغة Markdownاسأل ChatGPTاسأل Claudeاسأل Perplexity