---
title: "Arabizi (Franco-Arabic) sa LLM: i-detect at i-convert"
description: "Arabic sa Latin na letra ang Arabizi, may digit gaya ng 3 para sa ع at 7 para sa ح. Paano ito i-detect, i-convert sa Arabic script gamit ang LLM, at sagutin."
url: https://broadrouter.com/fil/blog/arabizi-llm-handling/
lang: fil
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Isinalin mula sa Ingles sa tulong ng AI. [Basahin ang orihinal sa Ingles](https://broadrouter.com/blog/arabizi-llm-handling/) (na-update noong 2026-11-16).

# Arabizi at LLM: paghawak ng Franco-Arabic na may numerong 3 at 7

Ng BroadNet Inference team · 5 minutong basa · Nailathala 2026-11-14 · Na-update 2026-11-16

Ang Arabizi, tinatawag ding Franco-Arabic, ay Arabic na isinusulat sa Latin na letra na may digit para sa mga tunog na wala sa Latin: 3 para sa ع, 7 para sa ح, 2 para sa ء, 5 para sa خ. Kadalasang naiintindihan ito ng mga LLM pero hindi pare-pareho ang pag-convert. I-detect ito, ipa-transliterate sa model papunta sa Arabic script na nakapangalan ang dialect, saka iproseso ang Arabic text.

## Mga pangunahing punto

-   Mga karaniwang digit: 2 = ء, 3 = ع, 5 = خ, 6 = ط, 7 = ح, 8 = غ o ق, 9 = ص. Iba-iba ang gamit kada bansa.
-   Halos laging dialect ang Arabizi, hindi MSA, kaya sabihin sa model kung aling dialect ang aasahan.
-   I-convert sa Arabic script bago ang search, analytics o routing; panatilihin ang orihinal para sa audit.
-   Magpasya ng script ng reply kada produkto: Arabic script, Arabizi o English. Huwag gayahin ang Arabizi bilang default.
-   Problema ng tina-type na text ang Arabizi. Kapag Latin na letra ang output ng speech-to-text, kadalasan kulang ng language=ar ang request.

**Sa page na ito**

1.  Aling numero ang katumbas ng aling Arabic na letra?
2.  Bakit mahirap ang Arabizi para sa software?
3.  Gaano kahusay ang mga LLM sa Arabizi?
4.  Paano i-convert ang Arabizi sa Arabic script gamit ang LLM?
5.  Anong script ang dapat gamitin sa reply?
6.  Aling model ang dapat gamitin para sa Arabizi?
7.  Saan lumalabas ang Arabizi?

Ang [Arabizi](https://broadrouter.com/fil/glossary/arabizi/), tinatawag ding Franco-Arabic o “Franco”, ay Arabic na isinusulat sa Latin na letra na may digit para sa mga tunog na wala sa Latin, gaya ng 3 para sa ع at 7 para sa ح. Para hawakan ito gamit ang LLM, i-detect ito, ipa-convert sa model papunta sa Arabic script na nakapangalan ang dialect, at patakbuhin ang natitirang pipeline mo sa Arabic text.

Normal na mensahe ng customer sa Egypt ang “ana 3ayez a7gez ma3ad bokra”: “أنا عايز أحجز ميعاد بكرة” (gusto kong mag-book ng appointment bukas). Lumaki ito sa mga telepono at computer na walang Arabic keyboard at lumalabas pa rin sa chat.

## Aling numero ang katumbas ng aling Arabic na letra?

Walang standard, pero ginagamit ang mga digit para sa mga Arabic na letrang kahawig nila o walang katumbas sa Latin. Inililista ng pangkalahatang-ideya ng [Arabic chat alphabet](https://en.wikipedia.org/wiki/Arabic_chat_alphabet) ang mga karaniwang convention:

| Digit | Arabic na letra | Halimbawa | Arabic script | Kahulugan |
| --- | --- | --- | --- | --- |
| 2 | ء (hamza) / أ | so2al | سؤال | tanong |
| 3 | ع | 3arabi | عربي | Arabic |
| 3’ o 8 | غ | 8aly / 3’aly | غالي | mahal |
| 5 o kh | خ | 5alas | خلاص | tapos na / tama na |
| 6 | ط | 6ayeb | طيب | sige (Gulf) |
| 7 | ح | 7abibi | حبيبي | mahal ko |
| 9 | ص | 9ba7 | صباح | umaga (Gulf) |
| 8 | ق (sa ilang rehiyon) | 8alb | قلب | puso |

Magkakaiba ang mga gawi kada rehiyon. Halimbawa, binabanggit ng pangkalahatang-ideya na sa Lebanon lang ginagamit ang 8 para sa غ, samantalang karaniwan sa Saudi Arabia ang 8 at 9 para sa ق; sa Egyptian Arabizi, puwedeng 2 ang ق kapag binibigkas ito bilang glottal stop. Isinusulat ang mga patinig ayon sa dinig, kaya iisang salita ang “ma3lesh”, “ma3lsh” at “m3lsh” (معلش, hayaan mo na).

## Bakit mahirap ang Arabizi para sa software?

-   **Halos laging dialect ito.** Isinusulat ng mga tao ang Arabizi ayon sa pagsasalita nila, kaya dala nito ang lahat ng hamon ng dialect nang sabay-sabay, nang walang Arabic script na makakapitan.
-   **Mukha itong English o French.** Ang “bas” ay بس (pero / lang) sa Arabic at walang kahulugan sa English; ang “men” ay من (mula sa / sino). Madalas lagyan ng label na English o ibang Latin-script na wika ng mga keyword detector at language-ID tool ang Arabizi.
-   **Walang standard na spelling.** Pumapalya ang exact-match na search, mga intent rule at analytics.
-   **[Code-switching](https://broadrouter.com/fil/glossary/code-switching/).** Pinaghahalo ng “el order bta3i lessa ma waslsh, can u check?” ang Egyptian Arabizi at English sa iisang pangungusap.

Nahihirapan ang mga rule-based na converter dahil puwedeng tumugma ang iisang Latin na string sa maraming Arabic na spelling; pinagsama ng mga research system gaya ng [gawa ni Darwish sa Arabizi detection at conversion](https://arxiv.org/abs/1306.6755) ang transliteration mining at language modelling para piliin ang tamang salita, at nag-ulat ng 88.7% na conversion accuracy. Ginagawa iyon ng mga modernong LLM sa iisang step.

## Gaano kahusay ang mga LLM sa Arabizi?

Nakakita na ng Arabizi ang malalaking model sa web at social-media na text, kaya madalas naiintindihan nila ang mga karaniwang parirala. Iba-iba ang resulta kada model at dialect, kaya mag-test bago ka umasa rito. Mga karaniwang paraan ng pagpalya:

1.  **Pagturing dito bilang English** at pagsagot sa maling basang mensahe.
2.  **Pag-convert sa maling dialect,** halimbawa “ginagawang” MSA na salita ang Egyptian na nagpapabago sa tono, o hinuhulaang Gulf kahit Lebanese ang user.
3.  **Hindi pare-parehong output script,** sumasagot sa Arabizi sa isang mensahe at Arabic script sa susunod.
4.  **Hallucinated na katumpakan** sa mga pangalan at lugar, kung saan malabo ang Latin na spelling.

Pareho ang solusyon sa pangkalahatang paghawak ng dialect: sabihin sa model kung ano ang aasahan at ano ang gagawin.

## Paano i-convert ang Arabizi sa Arabic script gamit ang LLM?

I-convert muna ang Arabizi sa Arabic script, saka patakbuhin ang natitirang pipeline mo (search, routing, reply) sa Arabic text. Iisang code path lang ang kailangan nito at gumagana ang search at analytics.

```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?"))
```

Isang magandang resulta:

```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?"}
```

Mga tala sa disenyong ito:

-   **Panatilihin ang mga dialect na salita.** Kapag hiningi ang “the message in Arabic script, keeping the dialect words”, naiiwasan ang tahimik na pagsulat ulit nito sa MSA, na magpapawala ng kahulugan para sa routing at sentiment.
-   **Panatilihin ang orihinal.** I-store ang raw na mensahe katabi ng conversion para sa audit at sa pagsasanay ulit ng mga patakaran.
-   **Gumamit ng murang pre-filter.** Nahuhuli ng simpleng check (Latin na letra at alinman sa digit na 2, 3, 5, 6, 7, 8 o 9 sa loob ng salita, gaya ng regex sa ibaba) ang karamihan ng Arabizi bago ka gumastos sa LLM call. Puwedeng laktawan ang conversion para sa purong Arabic o purong English na mensahe. Para sa mas mahigpit na output, gumamit ng [structured output](https://broadrouter.com/fil/glossary/structured-output/) na may schema.

```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)
```

Hindi nahuhuli ng hint ang Arabizi na walang digit (“ana mesh fahem”, hindi ko naiintindihan) at tumatama ito sa mga product code gaya ng “a7x”; ituring itong pantipid, hindi classifier. Ang `script` field ng LLM ang tunay na desisyon.

## Anong script ang dapat gamitin sa reply?

Magpasya kada produkto, hindi kada mensahe:

| Sumagot sa | Kailan |
| --- | --- |
| Arabic script (MSA o magaang dialect) | Default para sa karamihan ng negosyo; nababasa ng lahat |
| English | Kung English ang support language mo, o halos English ang hinalo ng customer |
| Arabizi | Mga brand para sa kabataan na gustong tumugma sa istilo ng customer; ipasuri ang mga sample sa mga native speaker |

Kapag awtomatikong ginagaya ang Arabizi, kadalasang lumalabas ang mga spelling na kakaiba sa mata ng mga native user, dahil walang standard na susundin. Kung gagayahin mo ito, bigyan ang model ng mga halimbawa ng mga spelling na gusto mo. Higit pa sa pagtatakda ng register at script sa [Arabic prompt engineering](https://broadrouter.com/fil/blog/arabic-prompt-engineering/).

## Aling model ang dapat gamitin para sa Arabizi?

Mangolekta ng 50 hanggang 100 totoong Arabizi na mensahe mula sa mga channel mo, isulat ang tamang Arabic-script na bersyon at intent ng bawat isa, at i-score ang mga kandidatong model una sa intent accuracy at pangalawa sa kalidad ng conversion. Ayon sa BroadNet, naintindihan ng [Qwen3.8 27B](https://broadrouter.com/fil/models/qwen3.8-27b/) ang Gulf at Egyptian na dialect at sumulat ito ng maayos na Arabic sa mga test nito; wala itong inilathalang resultang partikular sa Arabizi, kaya i-test ito sa iyo. Mas mura kada output token ang [DeepSeek V4.1 Flash](https://broadrouter.com/fil/models/deepseek-v4.1-flash/), at ang [BroadNet Gemma 4 VL 26B](https://broadrouter.com/fil/models/gemma-4-vl-26b/) ang pinakamurang BroadNet model para sa high-volume na pre-classification step. Nasa [pricing page](https://broadrouter.com/fil/pricing/) ang mga presyo. Magkaiba ang pag-tokenise ng Latin-script na Arabizi at ng Arabic script, kaya i-paste ang dalawang bersyon ng ilang mensahe sa libreng [token counter](https://broadrouter.com/tools/token-counter/) bago ka magtantiya ng gastos.

## Saan lumalabas ang Arabizi?

-   **WhatsApp at social DM:** ang pangunahing pinagmumulan. Tingnan ang [Arabic WhatsApp chatbot architecture](https://broadrouter.com/fil/blog/arabic-whatsapp-chatbot-architecture/).
-   **Mga search box:** nagta-type ang mga user ng “7agz” (حجز, booking). I-normalise ang mga query gamit ang parehong step bago ang [Arabic RAG retrieval](https://broadrouter.com/fil/blog/arabic-rag-search/).
-   **Hindi mula sa speech-to-text, kung ipinapadala mo ang language.** Tao ang nagta-type ng Arabizi. Kung bumalik sa Latin na letra ang transcript ng Arabic audio, malamang kulang ng `language=ar` ang request; nagbababala ang docs ng BroadNet na kung hindi, puwedeng ma-transliterate ang Arabic. Tingnan ang [gabay sa WhatsApp voice note](https://broadrouter.com/fil/guides/transcribe-whatsapp-voice-notes/).

Mga libreng tool para rito (Ingles)

-   [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.

[Libreng tools (Ingles)](https://broadrouter.com/tools/)

## Mga termino sa artikulong ito

[Arabizi](https://broadrouter.com/fil/glossary/arabizi/)

Ang Arabizi ay Arabic na impormal na isinusulat sa Latin na titik, gamit ang mga numero para sa mga tunog ng Arabic na walang katumbas sa Latin, gaya ng 3 para sa ع. Karaniwan ito sa chat at social media, kadalasang dialect, walang standard na spelling, at madalas na hinahaluan ng English o French.

[Code-switching](https://broadrouter.com/fil/glossary/code-switching/)

Ang code-switching ay ang paggamit ng dalawa o higit pang wika, o ng mga variety ng iisang wika, sa iisang usapan o pangungusap, sa pagsasalita man o pagsulat. Halimbawa nito ang mga nagsasalita ng Arabic na naghahalo ng English sa dialect, o nagpapalipat-lipat sa Modern Standard Arabic at sa dialect nila.

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

Ang hamza (ء) ang letra ng glottal stop sa Arabic. Isinusulat ito nang mag-isa o nakapatong sa isang upuan: alef (أ إ), waw (ؤ) o yeh (ئ), at pinagsasama ng آ ang alef at madda. Dahil hindi pare-pareho ang pag-type nito, madalas ginagawang ا ng mga search engine at speech scoring ang mga anyong may alef.

[Modern Standard Arabic (MSA)](https://broadrouter.com/fil/glossary/msa/)

Ang Modern Standard Arabic (MSA) ay ang standardized na anyo ng Arabic na ginagamit sa pagsulat, balita, edukasyon at pormal na pananalita sa buong mundong Arabo. Hindi ito katutubong pang-araw-araw na wika ninuman: mga rehiyonal na dialect gaya ng Egyptian o Gulf Arabic ang sinasalita, at lumilipat sa MSA sa pormal na sitwasyon.

## Mga tanong

### Pareho ba ang Arabizi at Franco-Arabic?

Oo. Iisang gawi ang tinutukoy ng Arabizi, Franco-Arabic, Franco at Arabic chat alphabet: ang pagsulat ng Arabic sa Latin na letra at digit. Iba-iba ang pangalan kada bansa; karaniwan ang "Franco" sa Egypt.

### Dapat bang sumagot sa Arabizi ang chatbot ko?

Kadalasan, hindi. Sumagot sa Arabic script o English, ayon sa brand mo. May mga brand para sa kabataan na sumasagot sa Arabizi, pero ipasuri sa mga native speaker kung mukhang natural ang spelling.

### Kaya bang i-convert ng regex ang Arabizi sa Arabic?

Hindi maaasahan. Malayang tinatanggal o idinadagdag ang mga patinig at iba-iba ang Arabic na letrang katumbas ng parehong Latin na letra depende sa context. Nakakatulong ang mga patakaran sa detection; kailangan ng language model para sa conversion.

### Ano ang ibig sabihin ng 3 sa Arabic na pagte-text?

Sa Arabizi, ang 3 ay ang letrang ع (ayn), gaya ng "3arabi" para sa عربي (Arabic). Ang iba pang karaniwang digit ay 2 para sa ء, 5 para sa خ, 7 para sa ح at 9 para sa ص.

### Bakit Latin na letra ang bumalik sa transcription ko?

Transliteration iyon ng speech model, hindi Arabizi na tina-type ng mga user. Ipadala ang language=ar sa bawat Arabic transcription request para makakuha ng Arabic script.

## Magbasa pa

-   [Arabic text classification gamit ang LLM: sentiment, intent, triage](https://broadrouter.com/fil/blog/arabic-text-classification-llm/)
-   [Gulf, Egyptian at Levantine Arabic: paano hinaharap ng LLM ang dialect](https://broadrouter.com/fil/blog/arabic-llm-gulf-egyptian-dialects/)
-   [Arabic prompt engineering: register, RTL, numeral at halo-halong text](https://broadrouter.com/fil/blog/arabic-prompt-engineering/)
-   [Arabic WhatsApp chatbot architecture: mula voice note hanggang reply](https://broadrouter.com/fil/blog/arabic-whatsapp-chatbot-architecture/)
-   [Arabic RAG: normalisation, chunking at retrieval na gumagana](https://broadrouter.com/fil/blog/arabic-rag-search/)
-   [Diacritics sa Arabic text gamit ang LLM: prompt, check at DER](https://broadrouter.com/fil/blog/arabic-diacritization-llm/)
-   [Arabic grammar at spelling correction gamit ang LLM: paano gawin](https://broadrouter.com/fil/blog/arabic-grammar-spelling-correction-llm/)
-   [Gabay: Paano gamitin ang OpenAI Python SDK sa BroadNet Inference](https://broadrouter.com/fil/guides/openai-python-sdk/)
-   [Gabay: Paano gawing text ang WhatsApp voice notes gamit ang API](https://broadrouter.com/fil/guides/transcribe-whatsapp-voice-notes/)

Subukan ito sa totoong workload mo. May US$5 na panimulang credit ang mga bagong account para sa Gemma at transcription. Kailangan ng top-up para sa DeepSeek, GLM, at Qwen3.8.

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

**Mga source**

-   [Arabic chat alphabet, pangkalahatang-ideya ng mga convention ng Arabizi (sinuri noong 2026-11-14)](https://en.wikipedia.org/wiki/Arabic_chat_alphabet)
-   [Darwish, Arabizi Detection and Conversion to Arabic (arXiv 1306.6755; sinuri noong 2026-11-14)](https://arxiv.org/abs/1306.6755)
-   [Pricing page ng BroadNet Inference, "Tested in Arabic" na note ng Qwen3.8 27B (sinuri noong 2026-11-14) (Ingles)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=fil-blog-arabizi-llm-handling&utm_content=sources)
-   [API reference ng BroadNet Inference, language parameter para sa transcription (sinuri noong 2026-11-14) (Ingles)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=fil-blog-arabizi-llm-handling&utm_content=sources)
