---
title: "I-translate sa Arabic ang i18n JSON gamit ang LLM | BroadRouter"
description: "I-translate sa Arabic ang i18n JSON gamit ang LLM API: i-freeze ang placeholder, anim na Arabic plural form, ICU validation sa CI at isolation ng pangalan."
url: https://broadrouter.com/fil/blog/translate-app-strings-to-arabic-llm/
lang: fil
updated: 2026-11-15
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/translate-app-strings-to-arabic-llm/) (na-update noong 2026-11-15).

# Arabic translation ng app strings gamit ang LLM: placeholder, plural

Ng BroadNet Inference team · 7 minutong basa · Nailathala 2026-11-15

Ipadala ang mga string bilang JSON na pinalitan ng marker ang bawat placeholder, hingin ang anim na Arabic plural form (zero, one, two, few, many, other), at sa code buuin ang ICU plural, hindi sa model. I-validate sa CI: parehong key, parehong argument at tag, kumpleto ang anim na form. Balutin sa Unicode isolate ang mga ipinapasok na pangalan para tama ang display ng right-to-left na text.

## Mga pangunahing punto

-   Anim na cardinal plural category ang Arabic sa CLDR. Dalawa lang sa English na source file, kaya kailangang isulat ng model ang apat na form na wala sa source.
-   Tahimik na pumapalya ang nawawalang Arabic form. Sa test namin, ang ICU message na one at other lang ang laman ay nag-render ng "2 ملف" para sa 2 file sa halip na ang dual na ملفان, nang walang error.
-   Palitan ng marker gaya ng ⟦0⟧ ang mga placeholder at tag bago ang request at ibalik pagkatapos. Hindi kayang i-translate ng model ang hindi nito nakikita.
-   Hayaang code ang bumuo ng ICU plural syntax mula sa anim na plain string. Saka i-parse ang bawat message gamit ang FormatJS parser sa CI at ipa-fail ang build sa anumang kulang.
-   Kailangan ng bidi isolation ang mga ipinapasok na pangalan at Latin na pangalan ng produkto sa loob ng Arabic: bdi o dir="auto" sa HTML, U+2068 at U+2069 sa plain text.

**Sa page na ito**

1.  Bakit sinisira ng Arabic plural ang machine-translated na string files?
2.  Paano dapat ipadala ang mga string sa model?
3.  Ang translation script
4.  Paano i-validate ang Arabic file sa CI?
5.  Paano naman ang right-to-left na display?
6.  Sino ang dapat mag-review ng output?
7.  Magkano ito?
8.  Saan pumapasok ang BroadNet Inference

Ibang trabaho ang pag-translate ng string files ng app kaysa sa pag-translate ng prosa. Maikli ang bawat value, kadalasang walang konteksto, at may dalang syntax na hindi dapat galawin ng model: placeholder, HTML tag at plural rule. Pinahihirap ng Arabic ang huli. Dalawang plural form ang nasa English na file; anim ang kailangan ng Arabic. Gumagawa ang post na ito ng maliit na pipeline sa isang OpenAI-compatible LLM: i-freeze ang mga placeholder, humingi ng anim na plain na plural string, buuin sa code ang ICU syntax, saka i-validate lahat sa CI.

Para sa pag-translate ng mga dokumento, ticket at kontrata, tingnan ang [Arabic–English translation gamit ang LLM](https://broadrouter.com/fil/blog/arabic-english-translation-llm/), na tumatalakay sa tono, glossary at evaluation para sa prosa.

## Bakit sinisira ng Arabic plural ang machine-translated na string files?

Anim na cardinal category ang ibinibigay ng Unicode CLDR sa Arabic, na sinusunod ng `Intl.PluralRules`, ICU at i18next:

| Category | CLDR rule | Halimbawang numero | Halimbawa: “file” |
| --- | --- | --- | --- |
| zero | n = 0 | 0 | لا توجد ملفات |
| one | n = 1 | 1 | ملف واحد |
| two | n = 2 | 2 | ملفان (dual) |
| few | n % 100 = 3..10 | 3–10, 103–110 | 5 ملفات (plural) |
| many | n % 100 = 11..99 | 11–99, 111 | 11 ملفًا (singular, accusative) |
| other | lahat ng iba pa | 100–102, 1000, 0.5 | 100 ملف (singular) |

Dalawang detalye ang madalas makahuli sa mga tao. Una, hindi ang mga numero ang mga category: few ang 103 at many ang 111. Ikalawa, `one` at `other` lang ang ibinibigay ng English na source sa model, kaya kailangan nitong imbentuhin ang apat na form mula sa grammar lang. Karamihan ng palya ay galing sa pagkopya ng model sa English na pares.

Tahimik ang palya. Nag-render kami ng Arabic message na `one` at `other` lang ang laman gamit ang intl-messageformat 12.1.5: lumabas lahat bilang “N ملف” ang 0, 2 at 11 file. Ganoon din ang i18next 27.1.2 nang nawawala ang `_many` key: ipinakita ng 11 file ang `_other` na text. Walang error, walang babala, maling Arabic lang.

## Paano dapat ipadala ang mga string sa model?

I-batch ang mga ito. Sinasayang ng isang request kada string ang token sa system prompt at nawawala ang konteksto sa pagitan ng magkakaugnay na string. Magpadala ng 50 hanggang 200 key sa isang pagkakataon bilang JSON object, nakapangkat ayon sa screen o feature para mabasa bilang button ang “Save” sa tabi ng “Cancel”.

Tatlong patakaran ang nagpapa-check sa sagot:

1.  **I-freeze ang mga placeholder.** Palitan ng mga marker gaya ng ⟦0⟧ ang `{name}`, ang double-brace na placeholder ng i18next, `%s`, `%1$s` at mga tag gaya ng `<b>`. “Welcome back, ⟦0⟧!” ang nakikita ng model at hindi nito kayang i-translate ang `name` bilang اسم.
2.  **Humingi ng plural form bilang plain string.** Ipadala ang English na `one` at `other` na text at humingi ng anim na Arabic string. Code ang bumubuo ng ICU syntax. Hindi kailanman sumusulat ng brace ang model.
3.  **Magbigay ng glossary at listahan ng hindi isasalin.** Mga pangalan ng produkto, pangalan ng plan at mga terminong ginagamit ng support team mo. Ipinapaliwanag ng [glossary section ng translation post](https://broadrouter.com/fil/blog/arabic-english-translation-llm/) kung bakit mas mahalaga ito kaysa sa pagpili ng model.

## Ang translation script

ICU MessageFormat ang gamit ng source file, ang syntax na dokumentado ng FormatJS. Gumagana rin ang parehong pag-freeze sa sariling JSON format ng i18next, na ang mga plural key ay nagtatapos sa `_zero`, `_one`, `_two`, `_few`, `_many` at `_other`.

```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)
```

Pinatakbo namin ito gamit ang OpenAI Python SDK laban sa isang local mock server, hindi sa live API, na may nakahandang Arabic na sagot. Laman ng request na makikita sana ng model ang “Welcome back, ⟦0⟧!” at “⟦0⟧⟦1⟧⟦2⟧ invited you to the ⟦3⟧ workspace”, at isinulat ng script ang `ar.json` na ito:

```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}}"
}
```

Mga tala sa code:

-   **Gumagalaw ang mga marker, hindi nawawala.** Madalas inuuna ng Arabic ang verb, kaya puwedeng lumipat ang ⟦0⟧. Binibilang ng check sa ibaba ang mga marker; wala itong pakialam kung saan sila nakalagay.
-   **Sa tao napupunta ang nested ICU.** Bihira at madaling masira ang `select` sa loob ng `plural`. Tinatanggihan ito ng script sa halip na manghula.
-   **Nag-iiwan ng puwang para sa reasoning ang `max_tokens=4000`.** Ayon sa docs ng BroadNet, nagre-reason muna ang DeepSeek V4.1 Flash, GLM 5.3 at Qwen3.8 27B bago sumagot, at kasama ang reasoning sa [max\_tokens](https://broadrouter.com/fil/glossary/max-tokens/). Tingnan ang [walang lamang sagot mula sa mga reasoning model](https://broadrouter.com/fil/guides/reasoning-tokens-empty-response/).
-   **Puwedeng pumalya ang `json.loads`.** Balutin ito at ipadala muli nang isang beses kasama ang error; may tested na repair function ang [pag-aayos ng invalid JSON mula sa LLM](https://broadrouter.com/fil/blog/fix-invalid-json-from-llm/). Sa GLM 5.3 at Qwen3.8 27B, ang dalawang BroadNet model na dokumentado ang [structured output](https://broadrouter.com/fil/glossary/structured-output/), magdagdag din ng `response_format` schema. Mananatili ang check sa ibaba alinman ang piliin.

## Paano i-validate ang Arabic file sa CI?

I-parse ang bawat message gamit ang parehong parser na ginagamit ng app mo sa runtime, at ikumpara sa source. Gumagamit ang Node script na ito ng `@formatjs/icu-messageformat-parser` (version 3.5.23 sa test namin):

```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);
```

Sa file sa itaas, nag-print ito ng `ok`. Pagkatapos ay pinatanggal namin sa mock na sagot ang `many` na form at ang `{workspace}` na marker. Lumabas ang script na may exit code 1 at nag-print ng:

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

Minamarkahan ng patakarang “no Arabic letters” ang mga string na iniwan ng model sa English. Minamarkahan din nito ang mga value na pangalan ng produkto o numero lang, kaya magtago ng allow-list para sa mga iyon. Para sa sariling format ng i18next, ilapat ang parehong check kada key: bawat `_one`/`_other` na pares sa English ay nangangailangan ng anim na key na may suffix sa Arabic, at pareho ang placeholder ng bawat isa, maliban na puwedeng walang count ang `_zero`, `_one` at `_two`.

Panghuli, mag-render ng ilang numero sa tunay mong formatter. Gamit ang intl-messageformat 12.1.5, ibinigay ng `files` message sa itaas ang 0 → لا توجد ملفات, 2 → ملفان, 5 → 5 ملفات, 11 → 11 ملفًا, 102 → 102 ملف at 111 → 111 ملفًا. Nahuhuli ng spot check na iyan ang form na nagpa-parse pero maling noun ang gamit.

## Paano naman ang right-to-left na display?

Tinitiyak ng translation na tama ang mga salita; ang browser pa rin ang mag-aayos ng pagkakasunod. Kapag ipinasok ang Latin na pangalan o numero sa Arabic na pangungusap, puwedeng ilipat ng Unicode bidirectional algorithm ang bantas o pagpalitin ang magkatabing run. Payo ng W3C na i-isolate ang ipinapasok na text: balutin sa `<bdi>` o sa element na may `dir="auto"` sa HTML, o palibutan ng U+2068 FIRST STRONG ISOLATE at U+2069 POP DIRECTIONAL ISOLATE sa plain text, gaya ng push notification.

Gawin ito kung saan ka nag-i-interpolate, hindi sa translation. Sa test namin, nang i-format ang welcome message na nakabalot sa U+2068 at U+2069 ang pangalan, nanatili ang dalawang character sa output at hindi nagalaw ang Arabic. Itakda rin ang `dir="rtl"` at `lang="ar"` sa page o container. May maikling checklist para sa mga RTL display bug ang [Arabic prompt engineering](https://broadrouter.com/fil/blog/arabic-prompt-engineering/).

Desisyon ng formatter ang mga digit, hindi ng translation. Panatilihin ang `#` o ang argument sa string. Sa Node 24 (ICU 78.3), isinulat ng `Intl.NumberFormat` ang 1234 bilang 1,234 para sa `ar` at bilang ١٬٢٣٤ para sa `ar-EG` at `ar-SA`. Piliin ang locale tag na tugma sa market mo. Para sa mas malawak na tanong sa produkto (interface locale laban sa wika ng model, chat bubble na halo-halo ang direksyon, language detection at gastos kada wika), tingnan ang [pagdisenyo ng AI experience para sa maraming wika](https://broadrouter.com/fil/blog/multilingual-product-design/).

## Sino ang dapat mag-review ng output?

Tinitiyak ng LLM pipeline na may ganitong mga check na maayos ang anyo ng file. Hindi nito tinitiyak na tama ang Arabic. Ipa-review sa isang Arabic speaker ang:

-   **Mga bago at binagong string lang.** I-diff ang `en.json` laban sa huling release at i-translate lang ang nagbago. Nananatiling maliit ang mga review, at hindi na gumagalaw ang mga naaprubahang string.
-   **Mga plural form, salita por salita.** Sa pagtutugma sa mga numero pinakamadalas madulas ang model, lalo na sa accusative pagkatapos ng 11 hanggang 99.
-   **Gender.** Nagbabago sa Arabic ang “ikaw” at ang mga verb ayon sa gender ng mambabasa. Kung direktang kinakausap ng UI mo ang mga user, magpasya ng convention, gaya ng fixed na form o neutral na pagkakasabi, at ilagay ito sa system prompt.
-   **Haba.** Puwedeng mas mahaba o mas maikli ang Arabic na string kaysa sa English. I-check ang mga button at tab sa tunay na layout sa mobile na lapad.

Magtago ng nai-review na glossary file sa repo at ipadala ito sa bawat request, para manatiling fixed ang mga naaprubahang termino.

## Magkano ito?

Maliit ang string files. Halos kasinghaba ng input ang output, at karaniwang mas maraming token kada salita ang kailangan ng Arabic kaysa sa English; may mga nasukat na ratio sa [token kada salita sa Arabic at English](https://broadrouter.com/fil/blog/tokens-per-word-arabic-english/). Mag-paste ng isang batch sa [Arabic token counter](https://broadrouter.com/tools/arabic-token-counter/), i-multiply sa bilang ng batch, at idagdag ang system prompt sa bawat isa. Gumagastos din ng token sa pag-iisip ang mga reasoning model; iniuulat ito ng BroadNet sa `usage` bilang `completion_tokens_details.reasoning_tokens`, kaya basahin ang `usage` mula sa isang totoong request bago mag-extrapolate.

| Model | Mga tala para sa trabahong ito | Input / output kada 1M token |
| --- | --- | --- |
| [Qwen3.8 27B](https://broadrouter.com/fil/models/qwen3.8-27b/) | Dokumentado ang structured output | $0.175 / $2.17 |
| [GLM 5.3](https://broadrouter.com/fil/models/glm-5.3/) | Dokumentado ang structured output; 1,048,576-token na context | $0.78 / $3.46 |
| [Gemma 4 VL 26B](https://broadrouter.com/fil/models/gemma-4-vl-26b/) | Tumatakbo sa $5 na panimulang credit; JSON sa prompt lang, kaya mas mahalaga ang validator | $0.10 / $0.22 |
| [DeepSeek V4.1 Flash](https://broadrouter.com/fil/models/deepseek-v4.1-flash/) | Mayroon ding flat na plan, gaya ng $15 kada linggo kada session, isang request sa isang pagkakataon kada session | $0.175 / $0.52 |

Galing ang mga presyo sa pricing feed ng BroadNet, na-update noong 2026-11-14. I-translate ang parehong 100 string gamit ang dalawang model at ipakumpara sa reviewer mo bago pumili; mas mahalaga ang bilang ng kailangang ayusin kaysa sa presyo kada token. Para sa libu-libong key sa maraming wika, tinatalakay ng [batch processing nang walang Batch API](https://broadrouter.com/fil/blog/llm-batch-processing-without-batch-api/) ang concurrency at retry.

## Saan pumapasok ang BroadNet Inference

Ang BroadRouter ay sariling website ng BroadNet. Nagbibigay ang BroadNet Inference ng OpenAI-compatible na access sa mga model sa itaas, kaya tumatakbo ang script gamit ang [OpenAI Python SDK](https://broadrouter.com/fil/guides/openai-python-sdk/) pagkatapos palitan ang base URL at model ID; i-check ang [API reference](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=fil-blog-translate-app-strings-to-arabic-llm&utm_content=body) para sa mga parameter na suportado ng bawat model. Wala itong translation endpoint at wala itong inilathalang localisation benchmark, kaya ang validator at isang human reviewer pa rin ang quality gate mo. Nagdadagdag ang mga dedicated na localisation platform ng translation memory, reviewer workflow at in-context na screenshot; kung kailangan mo ang mga iyon, gumamit ng isa at panatilihin ang CI check sa itaas bilang ikalawang linya.

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

[Token](https://broadrouter.com/fil/glossary/token/)

Ang token ay ang yunit ng text na binabasa at isinusulat ng isang language model: isang salita, bahagi ng salita, bantas o byte sequence na ginawa ng tokenizer ng model. Sa token binibilang, nililimitahan at kadalasang sinisingil ng mga LLM API ang paggamit.

[API key](https://broadrouter.com/fil/glossary/api-key/)

Ang API key ay isang lihim na string na kumikilala at nagpapahintulot sa client na tumatawag sa isang API. Kadalasang hinihingi ito ng mga LLM API sa Authorization: Bearer header, at ang sinumang may hawak ng key ay makakagawa ng mga request na sisingilin sa account na may-ari nito.

[Structured output](https://broadrouter.com/fil/glossary/structured-output/)

Ang structured output ay feature ng LLM API na naglilimita sa sagot ng model sa format na itinakda ng developer, kadalasang JSON Schema, para maaasahang ma-parse ito ng code. Mas mahigpit ito kaysa sa JSON mode, na gumagarantiya ng valid na JSON pero hindi ng partikular na hugis.

[System prompt](https://broadrouter.com/fil/glossary/system-prompt/)

Ang system prompt ay ang instruction na ipinapadala ng isang application sa language model bago ang usapan, kadalasan bilang mensaheng may system o developer role. Itinatakda nito ang role, mga patakaran, tono at format ng output ng model, at dapat itong sundin ng model kahit salungat ang mensahe ng user.

[Right-to-left (RTL) text](https://broadrouter.com/fil/glossary/rtl-text/)

Ang right-to-left (RTL) text ay pagsulat, gaya ng Arabic o Hebrew, na ipinapakita mula kanan pakaliwa. Iniimbak ito ng computer sa lohikal na pagkakasunod ng pagbasa, at ang Unicode Bidirectional Algorithm ang nagpapasya ng ayos sa screen kapag nahahalo ang RTL text sa left-to-right text, numero, pangalan ng model o code.

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

Ang base URL ay ang fixed na root address ng isang API, gaya ng https://api.example.com/v1, na idinudugtong ng client sa unahan ng bawat endpoint path, gaya ng /chat/completions. Sa mga OpenAI-compatible SDK, kapag pinalitan ang base URL, kasama ang API key at model ID, sa ibang provider na tatawag ang parehong code.

[Batch API](https://broadrouter.com/fil/glossary/batch-api/)

Ang batch API ay asynchronous na LLM endpoint na tumatanggap ng maraming request nang sabay, kadalasan bilang file, pinoproseso ang mga ito sa loob ng nakatakdang window sa halip na agad-agad, at ibinabalik nang sabay-sabay ang mga resulta. May discount ang presyo ng batch request ng mga provider gaya ng OpenAI at Anthropic kumpara sa standard API nila.

[Concurrency](https://broadrouter.com/fil/glossary/concurrency/)

Ang concurrency ay ang bilang ng request na sabay-sabay na in flight mula sa isang client. Madalas itong nililimitahan ng mga LLM API kada key o plan, hiwalay sa requests per minute, dahil humahawak ng GPU capacity ang bawat bukas na request hanggang matapos ang response nito.

## Mga tanong

### Ilan ang plural form ng Arabic?

Anim na cardinal category sa Unicode CLDR: zero (0), one (1), two (2), few (mga numerong nagtatapos sa 03 hanggang 10, gaya ng 3 hanggang 10 at 103), many (nagtatapos sa 11 hanggang 99) at other (100 hanggang 102, 1000, at decimal gaya ng 0.5). One at other lang ang nasa English na file.

### Kaya bang i-translate ng ChatGPT o ibang LLM ang i18n JSON file ko sa Arabic?

Oo, kung kontrolado mo ang format. Ipadala ang mga value lang, palitan ng marker ang mga placeholder, humingi ng anim na plural form, at i-check ang resulta sa code: key, argument, tag at plural category. Ipa-review sa isang Arabic speaker ang mga bagong string bago i-release.

### Ano ang mangyayari kapag may kulang na plural form ang Arabic translation?

Kadalasan, walang nakikitang pumapalya. Bumabalik ang i18next at intl-messageformat sa other na form, kaya lumalabas ang 2 file bilang "2 ملف" sa halip na ang dual na ملفان. Validator lang na humihingi ng anim na form ang makakahuli nito bago pa ng mga user.

### Dapat bang ang LLM mismo ang sumulat ng ICU MessageFormat syntax?

Mas mabuting hindi. Humingi ng anim na plain string kada plural message at buuin sa code ang ICU syntax. Paminsan-minsang nawawalan ng brace o nata-translate ng model ang pangalan ng argument, at sinisira ng parser error ang buong bundle sa runtime.

### Aling digit ang dapat gamitin ng Arabic UI strings?

Hayaang number formatter ang magpasya, hindi ang translation. Panatilihin ang # o ang argument sa string. Sa test namin sa Node 24, ginawang 1,234 ng Intl.NumberFormat ang 1234 para sa ar at ١٬٢٣٤ para sa ar-EG at ar-SA, kaya locale tag ang nagtatakda ng digit.

## Magbasa pa

-   [Arabic–English translation gamit ang LLM: prompt, glossary, evaluation](https://broadrouter.com/fil/blog/arabic-english-translation-llm/)
-   [Arabic prompt engineering: register, RTL, numeral at halo-halong text](https://broadrouter.com/fil/blog/arabic-prompt-engineering/)
-   [JSON mode vs json\_schema: structured output na maaasahan](https://broadrouter.com/fil/blog/structured-output-json-schema/)
-   [Paano ayusin ang invalid JSON mula sa LLM: sanhi, repair, retry](https://broadrouter.com/fil/blog/fix-invalid-json-from-llm/)
-   [Token kada salita sa Arabic vs English: bakit mas mahal ang Arabic](https://broadrouter.com/fil/blog/tokens-per-word-arabic-english/)
-   [LLM batch processing nang walang Batch API: resumable na runner](https://broadrouter.com/fil/blog/llm-batch-processing-without-batch-api/)
-   [Paano mag-design ng AI product para sa maraming wika](https://broadrouter.com/fil/blog/multilingual-product-design/)
-   [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: Bakit walang laman ang sagot ng isang reasoning model](https://broadrouter.com/fil/guides/reasoning-tokens-empty-response/)

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-translate-app-strings-to-arabic-llm&utm_content=page-cta) ·

**Mga source**

-   [Unicode CLDR, Language Plural Rules chart: mga Arabic cardinal category na zero, one, two, few (n % 100 = 3..10), many (n % 100 = 11..99), other (sinuri noong 2026-11-15)](https://www.unicode.org/cldr/charts/latest/supplemental/language_plural_rules.html)
-   [MDN, Intl.PluralRules.prototype.select(): 6 na form ang Arabic para sa cardinal na numero (sinuri noong 2026-11-15)](https://developer.mozilla.org/en-US/docs/Web/JavaScript/Reference/Global_Objects/Intl/PluralRules/select)
-   [FormatJS, Message syntax: mga plural category, eksaktong =value na match, ang # symbol, kailangan ang other, apostrophe escaping (sinuri noong 2026-11-15)](https://formatjs.github.io/docs/core-concepts/icu-syntax)
-   [Dokumentasyon ng i18next, Plurals: mga suffix na \_zero, \_one, \_two, \_few, \_many, \_other, halimbawa sa Arabic, Intl.PluralRules, count variable (sinuri noong 2026-11-15)](https://www.i18next.com/translation-function/plurals)
-   [Dokumentasyon ng i18next, JSON format: v4 plural key at interpolation (sinuri noong 2026-11-15)](https://www.i18next.com/misc/json-format)
-   [W3C Internationalization, Inline markup and bidirectional text in HTML: dir, bdi, FSI U+2068 at PDI U+2069 (sinuri noong 2026-11-15)](https://www.w3.org/International/articles/inline-bidi-markup/)
-   [API reference ng BroadNet Inference: mga model ID, structured output para sa GLM 5.3 at Qwen3.8 27B, kasama ang reasoning sa max\_tokens (sinuri noong 2026-11-15) (Ingles)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=fil-blog-translate-app-strings-to-arabic-llm&utm_content=sources)
