---
title: "Arabizi (franco-árabe) con LLM: detectar y convertir"
description: "El arabizi escribe el árabe con letras latinas y dígitos como 3 para ع y 7 para ح. Cómo detectarlo, convertirlo a escritura árabe con un LLM y responder bien."
url: https://broadrouter.com/es/blog/arabizi-llm-handling/
lang: es
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traducido del inglés con ayuda de IA. [Lea el original en inglés](https://broadrouter.com/blog/arabizi-llm-handling/) (actualizado el 2026-11-16).

# Arabizi y LLM: cómo manejar el franco-árabe con números como 3 y 7

Por el equipo de BroadNet Inference · 5 min de lectura · Publicado 2026-11-14 · Actualizado 2026-11-16

El arabizi, también llamado franco-árabe, es árabe escrito con letras latinas y dígitos para los sonidos que el alfabeto latino no tiene: 3 para ع, 7 para ح, 2 para ء, 5 para خ. Los LLM suelen entenderlo, pero lo convierten de forma inconsistente. Detéctelo, pida al modelo que lo translitere a escritura árabe indicando el dialecto y luego procese el texto árabe.

## Puntos clave

-   Dígitos habituales: 2 = ء, 3 = ع, 5 = خ, 6 = ط, 7 = ح, 8 = غ o ق, 9 = ص. El uso varía según el país.
-   El arabizi casi siempre es dialecto, no árabe estándar moderno, así que indique al modelo qué dialecto esperar.
-   Convierta a escritura árabe antes de buscar, analizar o enrutar; conserve el original para auditoría.
-   Decida el alfabeto de la respuesta por producto: escritura árabe, arabizi o inglés. No replique el arabizi por defecto.
-   El arabizi es un problema de texto escrito. Si la voz a texto devuelve letras latinas, normalmente a la solicitud le faltaba language=ar.

**En esta página**

1.  ¿Qué números corresponden a qué letras árabes?
2.  ¿Por qué el arabizi es difícil para el software?
3.  ¿Qué tan bien manejan los LLM el arabizi?
4.  ¿Cómo se convierte arabizi a escritura árabe con un LLM?
5.  ¿En qué alfabeto debe ir la respuesta?
6.  ¿Qué modelo conviene usar para el arabizi?
7.  ¿Dónde aparece el arabizi?

El [arabizi](https://broadrouter.com/es/glossary/arabizi/), también llamado franco-árabe o «franco», es árabe escrito con letras latinas y dígitos para los sonidos que el alfabeto latino no tiene, como 3 para ع y 7 para ح. Para manejarlo con un LLM, detéctelo, haga que el modelo lo convierta a escritura árabe indicando el dialecto y ejecute el resto de su pipeline sobre el texto árabe.

“ana 3ayez a7gez ma3ad bokra” es un mensaje normal de un cliente en Egipto: «أنا عايز أحجز ميعاد بكرة» (quiero reservar una cita mañana). Nació en teléfonos y computadoras sin teclado árabe y sigue apareciendo en los chats.

## ¿Qué números corresponden a qué letras árabes?

No hay un estándar, pero se usan dígitos para las letras árabes que se les parecen o que no tienen equivalente latino. El panorama del [alfabeto de chat árabe](https://en.wikipedia.org/wiki/Arabic_chat_alphabet) recoge las convenciones habituales:

| Dígito | Letra árabe | Ejemplo | Escritura árabe | Significado |
| --- | --- | --- | --- | --- |
| 2 | ء (hamza) / أ | so2al | سؤال | pregunta |
| 3 | ع | 3arabi | عربي | árabe |
| 3’ u 8 | غ | 8aly / 3’aly | غالي | caro |
| 5 o kh | خ | 5alas | خلاص | listo / basta |
| 6 | ط | 6ayeb | طيب | de acuerdo (Golfo) |
| 7 | ح | 7abibi | حبيبي | querido |
| 9 | ص | 9ba7 | صباح | mañana (Golfo) |
| 8 | ق (en algunas regiones) | 8alb | قلب | corazón |

Los hábitos regionales difieren. El panorama señala, por ejemplo, que el 8 para غ solo se usa en el Líbano, mientras que el 8 y el 9 para ق son habituales en Arabia Saudita; en el arabizi egipcio, el 2 puede representar ق donde se pronuncia como oclusiva glotal. Las vocales se escriben de oído, así que “ma3lesh”, “ma3lsh” y “m3lsh” (معلش, no importa) son la misma palabra.

## ¿Por qué el arabizi es difícil para el software?

-   **Casi siempre es dialecto.** La gente escribe el arabizi como habla, así que reúne todos los retos de los dialectos a la vez, sin escritura árabe que los ancle.
-   **Parece inglés o francés.** “bas” es بس (pero / solo) en árabe y nada en inglés; “men” es من (de / quién). Los detectores de palabras clave y las herramientas de identificación de idioma suelen etiquetar el arabizi como inglés u otro idioma de alfabeto latino.
-   **No hay ortografía estándar.** Fallan la búsqueda por coincidencia exacta, las reglas de intención y la analítica.
-   **[Alternancia de código](https://broadrouter.com/es/glossary/code-switching/).** “el order bta3i lessa ma waslsh, can u check?” mezcla arabizi egipcio e inglés en una sola frase.

Los conversores basados en reglas tienen dificultades porque una cadena latina puede corresponder a muchas grafías árabes; sistemas de investigación como el [trabajo de Darwish sobre detección y conversión de arabizi](https://arxiv.org/abs/1306.6755) combinaron la minería de transliteraciones con modelado del lenguaje para elegir la palabra correcta, y reportaron un 88.7 % de precisión en la conversión. Los LLM modernos hacen eso, en la práctica, en un solo paso.

## ¿Qué tan bien manejan los LLM el arabizi?

Los modelos grandes han visto arabizi en textos web y de redes sociales, así que a menudo entienden las frases comunes. Los resultados varían según el modelo y el dialecto, así que pruebe antes de confiar en ellos. Fallos típicos:

1.  **Tratarlo como inglés** y responder a un mensaje mal interpretado.
2.  **Convertirlo al dialecto equivocado,** por ejemplo «pasando» el egipcio a palabras de MSA que cambian el tono, o suponiendo Golfo cuando el usuario es libanés.
3.  **Alfabeto de salida inconsistente,** respondiendo en arabizi a un mensaje y en escritura árabe al siguiente.
4.  **Precisión alucinada** en nombres y lugares, donde la grafía latina es ambigua.

La solución es la misma que para los dialectos en general: diga al modelo qué esperar y qué producir.

## ¿Cómo se convierte arabizi a escritura árabe con un LLM?

Convierta primero el arabizi a escritura árabe y luego ejecute el resto de su pipeline (búsqueda, enrutamiento, respuestas) sobre texto árabe. Así mantiene una sola ruta de código y hace que funcionen la búsqueda y la analítica.

```python
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?"))
```

Un buen resultado:

```json
{"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?"}
```

Notas sobre este diseño:

-   **Conserve las palabras dialectales.** Pedir “the message in Arabic script, keeping the dialect words” evita que se reescriba en silencio al MSA, lo que haría perder significado para el enrutamiento y el análisis de sentimiento.
-   **Conserve el original.** Guarde el mensaje sin procesar junto a la conversión para auditorías y para reentrenar reglas.
-   **Use un prefiltro barato.** Una comprobación sencilla (letras latinas más los dígitos 2, 3, 5, 6, 7, 8 o 9 dentro de las palabras, como en la expresión regular de abajo) detecta la mayor parte del arabizi antes de gastar una llamada al LLM. Los mensajes solo en árabe o solo en inglés pueden saltarse la conversión. Para una salida más estricta, use [salida estructurada](https://broadrouter.com/es/glossary/structured-output/) con un esquema.

```python
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)
```

Este indicio no detecta el arabizi sin dígitos (“ana mesh fahem”, no entiendo) y salta con códigos de producto como “a7x”; trátelo como un ahorro de costos, no como un clasificador. La decisión real es el campo `script` del LLM.

## ¿En qué alfabeto debe ir la respuesta?

Decida por producto, no por mensaje:

| Responder en | Cuándo |
| --- | --- |
| Escritura árabe (MSA o dialecto ligero) | Opción por defecto para la mayoría de las empresas; todos pueden leerla |
| Inglés | Si su idioma de soporte es el inglés, o el cliente escribió mayormente en inglés |
| Arabizi | Marcas juveniles que quieren adaptarse al estilo del cliente; revise muestras con hablantes nativos |

Replicar el arabizi automáticamente tiende a producir grafías que resultan raras a los usuarios nativos, porque no hay un estándar que seguir. Si decide replicarlo, dé al modelo ejemplos de las grafías que prefiere. Más sobre cómo fijar registro y alfabeto en [ingeniería de prompts en árabe](https://broadrouter.com/es/blog/arabic-prompt-engineering/).

## ¿Qué modelo conviene usar para el arabizi?

Reúna de 50 a 100 mensajes reales en arabizi de sus canales, escriba para cada uno la versión correcta en escritura árabe y la intención, y evalúe los modelos candidatos primero por precisión de la intención y después por calidad de la conversión. BroadNet reporta que [Qwen3.8 27B](https://broadrouter.com/es/models/qwen3.8-27b/) entendió los dialectos del Golfo y egipcio y escribió árabe fluido en sus pruebas; no publicó un resultado específico de arabizi, así que pruébelo con los suyos. [DeepSeek V4.1 Flash](https://broadrouter.com/es/models/deepseek-v4.1-flash/) es más barato por token de salida, y [BroadNet Gemma 4 VL 26B](https://broadrouter.com/es/models/gemma-4-vl-26b/) es el modelo más barato de BroadNet para un paso de preclasificación de alto volumen. Los precios están en la [página de precios](https://broadrouter.com/es/pricing/). El arabizi en alfabeto latino y la escritura árabe se tokenizan de forma distinta, así que pegue ambas versiones de algunos mensajes en el [contador de tokens](https://broadrouter.com/tools/token-counter/) gratuito antes de estimar el costo.

## ¿Dónde aparece el arabizi?

-   **WhatsApp y mensajes directos en redes sociales:** la fuente principal. Vea [arquitectura de un chatbot de WhatsApp en árabe](https://broadrouter.com/es/blog/arabic-whatsapp-chatbot-architecture/).
-   **Cajas de búsqueda:** los usuarios escriben “7agz” (حجز, reserva). Normalice las consultas con el mismo paso antes de la [recuperación RAG en árabe](https://broadrouter.com/es/blog/arabic-rag-search/).
-   **No en la voz a texto, si envía el idioma.** El arabizi lo escriben las personas. Si la transcripción de un audio en árabe vuelve en letras latinas, probablemente a la solicitud le falta `language=ar`; la documentación de BroadNet advierte que, de lo contrario, el árabe puede transliterarse. Vea la [guía de notas de voz de WhatsApp](https://broadrouter.com/es/guides/transcribe-whatsapp-voice-notes/).

Herramientas gratuitas sobre este tema (en inglés)

-   [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.

[Herramientas gratuitas (en inglés)](https://broadrouter.com/tools/)

## Términos de este artículo

[Arabizi (franco-árabe)](https://broadrouter.com/es/glossary/arabizi/)

El arabizi es árabe escrito de manera informal con letras latinas, usando dígitos para los sonidos árabes sin equivalente latino, como 3 para ع. Es habitual en chats y redes sociales, es sobre todo dialectal, no tiene ortografía estándar y a menudo se mezcla con inglés o francés.

[Code-switching (alternancia de códigos)](https://broadrouter.com/es/glossary/code-switching/)

El code-switching, o alternancia de códigos, es el uso de dos o más idiomas, o de variedades de un mismo idioma, dentro de la misma conversación o frase, de forma oral o escrita. Por ejemplo, hablantes de árabe que mezclan palabras inglesas en su dialecto o que pasan del árabe estándar moderno a su dialecto.

[Hamza](https://broadrouter.com/es/glossary/hamza/)

La hamza (ء) es la letra árabe que representa la oclusiva glotal. Se escribe sola o sobre un soporte: alef (أ إ), waw (ؤ) o yeh (ئ), y آ combina alef con madda. Como el texto escrito es irregular al respecto, los buscadores y la evaluación de voz suelen plegar las formas de alef en ا.

[Árabe estándar moderno (MSA, fusha)](https://broadrouter.com/es/glossary/msa/)

El árabe estándar moderno (MSA) es la forma estandarizada del árabe que se usa en la escritura, las noticias, la educación y el habla formal en todo el mundo árabe. No es la lengua materna cotidiana de nadie: la gente habla dialectos regionales, como el egipcio o el del Golfo, y cambia al MSA en contextos formales.

[Llamadas a herramientas (tool calling)](https://broadrouter.com/es/glossary/tool-calling/)

Las llamadas a herramientas (tool calling), también llamadas function calling, son una función de las APIs de LLM en la que el modelo devuelve una solicitud estructurada para ejecutar una función definida por el desarrollador, con argumentos JSON. La aplicación ejecuta la función y devuelve el resultado; el modelo nunca ejecuta código.

## Preguntas frecuentes

### ¿El arabizi es lo mismo que el franco-árabe?

Sí. Arabizi, franco-árabe, «franco» y alfabeto de chat árabe designan la misma práctica de escribir el árabe con letras latinas y dígitos. El nombre varía según el país; «franco» es habitual en Egipto.

### ¿Mi chatbot debería responder en arabizi?

Normalmente no. Responda en escritura árabe o en inglés, según su marca. Algunas marcas orientadas a jóvenes sí responden en arabizi, pero pida a hablantes nativos que comprueben que la ortografía resulta natural.

### ¿Una expresión regular puede convertir arabizi a árabe?

No de forma fiable. Las vocales se omiten o añaden libremente y las mismas letras latinas corresponden a distintas letras árabes según el contexto. Las reglas ayudan a detectarlo; la conversión requiere un modelo de lenguaje.

### ¿Qué significa el 3 en los mensajes en árabe?

En arabizi, el 3 representa la letra ع (ayn), como en "3arabi" para عربي (árabe). Otros dígitos habituales son 2 para ء, 5 para خ, 7 para ح y 9 para ص.

### ¿Por qué mi transcripción volvió en letras latinas?

Es una transliteración del modelo de voz, no arabizi escrito por usuarios. Envíe language=ar en cada solicitud de transcripción en árabe para obtener escritura árabe.

## Siga leyendo

-   [Clasificar texto en árabe con un LLM: sentimiento, intención, triaje](https://broadrouter.com/es/blog/arabic-text-classification-llm/)
-   [Árabe del Golfo, egipcio y levantino: los dialectos y los LLM](https://broadrouter.com/es/blog/arabic-llm-gulf-egyptian-dialects/)
-   [Ingeniería de prompts en árabe: registro, RTL, cifras y texto mixto](https://broadrouter.com/es/blog/arabic-prompt-engineering/)
-   [Chatbot de WhatsApp en árabe: de las notas de voz a las respuestas](https://broadrouter.com/es/blog/arabic-whatsapp-chatbot-architecture/)
-   [RAG en árabe: normalización, chunking y recuperación que funciona](https://broadrouter.com/es/blog/arabic-rag-search/)
-   [Añadir diacríticos al texto árabe con un LLM: prompt, controles y DER](https://broadrouter.com/es/blog/arabic-diacritization-llm/)
-   [Corrección gramatical y ortográfica del árabe con un LLM: cómo hacerla](https://broadrouter.com/es/blog/arabic-grammar-spelling-correction-llm/)
-   [Guía: Usar el SDK de OpenAI para Python con BroadNet Inference](https://broadrouter.com/es/guides/openai-python-sdk/)
-   [Guía: Transcribir notas de voz de WhatsApp a texto con una API](https://broadrouter.com/es/guides/transcribe-whatsapp-voice-notes/)

Pruébelo con su carga de trabajo real. Las cuentas nuevas empiezan con USD 5 de crédito para Gemma y transcripción. DeepSeek, GLM y Qwen3.8 requieren una recarga.

[Comenzar](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-arabizi-llm-handling&utm_content=page-cta) ·

**Fuentes**

-   [Arabic chat alphabet, panorama de las convenciones del arabizi (consultado el 2026-11-14)](https://en.wikipedia.org/wiki/Arabic_chat_alphabet)
-   [Darwish, Arabizi Detection and Conversion to Arabic (arXiv 1306.6755; consultado el 2026-11-14)](https://arxiv.org/abs/1306.6755)
-   [Página de precios de BroadNet Inference, nota "Tested in Arabic" de Qwen3.8 27B (consultado el 2026-11-14)](https://inference.broadnet.ai/es/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-arabizi-llm-handling&utm_content=sources)
-   [Referencia de la API de BroadNet Inference, parámetro language para transcripción (consultado el 2026-11-14) (en inglés)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-arabizi-llm-handling&utm_content=sources)
