---
title: "LLM से अरबी अंग्रेज़ी अनुवाद: प्रॉम्प्ट और QA | BroadRouter"
description: "LLM API से अरबी से अंग्रेज़ी और वापस अनुवाद करें: लहजा बचाने वाले प्रॉम्प्ट, तय शब्दों की शब्दावली, संख्याएँ और नाम, और क्वालिटी का मूल्यांकन कैसे करें।"
url: https://broadrouter.com/hi/blog/arabic-english-translation-llm/
lang: hi
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

यह पेज अंग्रेज़ी से AI की मदद से अनुवाद किया गया है। [अंग्रेज़ी मूल पढ़ें](https://broadrouter.com/blog/arabic-english-translation-llm/) (2026-11-14 को अपडेट किया गया).

# LLM से अरबी–अंग्रेज़ी अनुवाद: प्रॉम्प्ट, शब्दावली, मूल्यांकन

BroadNet Inference टीम · 5 मिनट में पढ़ें · प्रकाशित 2026-11-14

LLM से अरबी और अंग्रेज़ी के बीच अनुवाद के लिए मॉडल को पाठक, लहजा और तय शब्दों की शब्दावली दें, संख्याएँ और नाम न बदलने को कहें, और पैराग्राफ़ जितने टुकड़ों में अनुवाद करें। chrF या COMET और मातृभाषी समीक्षा से मूल्यांकन करें। BroadNet के टेस्ट में Qwen3.8 27B ने अरबी और अंग्रेज़ी के बीच सटीक अनुवाद किया।

## मुख्य बातें

-   दिशा, पाठक और लहजा बताएँ: "Saudi retail customers, polite MSA" (सऊदी रिटेल ग्राहक, विनम्र MSA) "translate to Arabic" (अरबी में अनुवाद करो) से बेहतर है।
-   तय शब्दों की शब्दावली प्रोडक्ट, क़ानूनी और UI शब्दों को हर टुकड़े और हर कॉल में एक जैसा रखती है।
-   संख्याएँ, तारीख़ें, नाम और निषेध कोड से या समीक्षा से जाँचें; यही ग़लतियाँ महँगी पड़ती हैं।
-   ऑटोमैटिक स्कोर के लिए chrF या COMET, और ग्राहकों के सामने जाने वाली या क़ानूनी चीज़ों के लिए मातृभाषी समीक्षक इस्तेमाल करें।
-   BroadNet अपने टेस्ट में Qwen3.8 27B से सटीक अरबी–अंग्रेज़ी अनुवाद बताता है।

**इस पेज पर**

1.  LLM के लिए अरबी–अंग्रेज़ी अनुवाद मुश्किल क्यों है?
2.  कौन-सा प्रॉम्प्ट अच्छे अरबी अनुवाद देता है?
3.  शब्दावली इतनी अहम क्यों है?
4.  लंबे दस्तावेज़ों को कैसे बाँटें?
5.  ख़तरनाक ग़लतियाँ कैसे पकड़ें?
6.  अनुवाद की क्वालिटी का मूल्यांकन कैसे करें?
7.  कौन-सा मॉडल इस्तेमाल करें, और लागत कितनी होगी?
8.  क्या आप कॉन्ट्रैक्ट और टिकट API को भेज सकते हैं?

LLM से अरबी और अंग्रेज़ी के बीच अनुवाद के लिए मॉडल को दिशा, पाठक और लहजा बताएँ, तय शब्दों की शब्दावली दें, संख्याएँ और नाम न बदलने दें, और पैराग्राफ़ जितने टुकड़े भेजें। फिर संख्याएँ और निषेध कोड में जाँचें और chrF, COMET और किसी मातृभाषी समीक्षक से स्कोर करें।

अरबी में यह नियंत्रण मायने रखता है, जहाँ शब्दशः अनुवाद सही होकर भी पराया लग सकता है।

## LLM के लिए अरबी–अंग्रेज़ी अनुवाद मुश्किल क्यों है?

-   **लहजा।** औपचारिक अरबी ([आधुनिक मानक अरबी](https://broadrouter.com/hi/glossary/msa/), فصحى) और रोज़ की बोलचाल में बड़ा फ़र्क़ है। जो मार्केटिंग लाइन अंग्रेज़ी में सहज है, वह शब्दशः MSA में अकड़ी हुई या हास्यास्पद लग सकती है।
-   **शब्द-क्रम और लंबाई।** अरबी वाक्य अक्सर क्रिया से शुरू होते हैं, और अरबी टेक्स्ट की लंबाई अक्सर अंग्रेज़ी से अलग होती है। जो UI strings अंग्रेज़ी में फ़िट होती हैं, वे wrap या overflow हो सकती हैं।
-   **लिंग और वचन।** अरबी क्रियाओं, विशेषणों और सर्वनामों पर लिंग दिखाती है, और उसमें द्विवचन है। अंग्रेज़ी का “you” أنتَ, أنتِ, أنتما, أنتم या أنتنّ बनना चाहिए। अगर आप पाठक को नहीं जानते, तो मॉडल को बताएँ कि कौन-सा डिफ़ॉल्ट इस्तेमाल करे।
-   **नाम और लिप्यंतरण।** “محمد” की कई अंग्रेज़ी वर्तनियाँ हैं (Mohammed, Muhammad, Mohamed)। हर व्यक्ति के लिए एक चुनें और उसी पर टिके रहें।
-   **संख्याएँ और तारीख़ें।** पूर्वी अरबी अंक, हिजरी तारीख़ें और दाएँ से बाएँ फ़ॉर्मैटिंग, सबके लिए साफ़ नियम चाहिए।

## कौन-सा प्रॉम्प्ट अच्छे अरबी अनुवाद देता है?

अनुवाद की क्वालिटी चतुर शब्दों से कहीं ज़्यादा निर्देशों पर निर्भर है। मॉडल को दिशा, पाठक, लहजा, शब्दावली और आउटपुट फ़ॉर्मैट बताएँ:

```python
import os
from openai import OpenAI

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

GLOSSARY = """Invoice = فاتورة
VAT = ضريبة القيمة المضافة
Refund = استرداد المبلغ
Terms and Conditions = الشروط والأحكام
BroadPay = BroadPay (do not translate)"""

SYSTEM = f"""You translate customer-support articles from English to Arabic.
Audience: retail customers in Saudi Arabia and the UAE.
Register: clear, polite Modern Standard Arabic; short sentences; address the reader
in the masculine singular as a neutral default.
Rules:
- Use the glossary exactly. Never translate product names marked "do not translate".
- Keep every number, date, URL, email address and code snippet unchanged.
- Keep Markdown structure (headings, lists, links) unchanged.
- Output only the translation.
Glossary:
{GLOSSARY}"""

def translate(text: str) -> str:
    r = client.chat.completions.create(
        model="broadnet/qwen3.8-27b",
        max_tokens=4000,  # the model reasons before answering
        messages=[{"role": "system", "content": SYSTEM},
                  {"role": "user", "content": text}],
    )
    return r.choices[0].message.content
```

अरबी → अंग्रेज़ी के लिए दिशा पलटें और वह जोड़ें जो अंग्रेज़ी पाठक को चाहिए: “American English, plain style, keep Arabic personal names in the spelling given in the glossary” (अमेरिकी अंग्रेज़ी, सादी शैली, अरबी व्यक्तिगत नाम शब्दावली में दी वर्तनी में रखें)। अगर source बोली में हो सकता है, तो बताएँ: “The source may be Gulf or Egyptian Arabic; translate the meaning, not word for word.” (source खाड़ी या मिस्री अरबी हो सकता है; अर्थ का अनुवाद करें, शब्दशः नहीं।)

## शब्दावली इतनी अहम क्यों है?

शब्दावली के बिना मॉडल “refund” को एक पैराग्राफ़ में استرجاع और अगले में استرداد लिख सकता है। दोनों ठीक अरबी हैं; साथ में ये लापरवाह लगते हैं और सर्च तोड़ते हैं। शब्दावली इसे ठीक करती है:

1.  **अपने मौजूदा अनुवादों से शुरू करें।** Help centre, कॉन्ट्रैक्ट और UI strings से शब्द निकालें जो आपके पास दोनों भाषाओं में पहले से हैं।
2.  **इसे छोटा रखें।** पचास से दो सौ शब्द ज़्यादातर प्रोडक्ट्स को कवर करते हैं। सिर्फ़ वे शब्द रखें जो बदलने नहीं चाहिए।
3.  **अनुवाद-न-करें वाली चीज़ें शामिल करें।** ब्रांड नाम, प्रोडक्ट नाम, प्लान नाम और code identifiers।
4.  **इसे system prompt में, टेक्स्ट से पहले रखें।** इससे यह cache होने लायक़ prefix में भी रहती है, जो बार-बार की कॉल पर इनपुट लागत घटाता है; देखें [cached इनपुट टोकन](https://broadrouter.com/hi/blog/cached-input-tokens-explained/)।
5.  **इसे कोड में जाँचें।** अनुवाद के बाद, source में आए हर शब्दावली शब्द का target में तय रूप में होना जाँचें।

## लंबे दस्तावेज़ों को कैसे बाँटें?

पैराग्राफ़ या section के टुकड़ों में अनुवाद करें, वाक्य-दर-वाक्य नहीं। वाक्य-स्तर की कॉल संदर्भ खो देती हैं (“वह” कौन है, “यह” किस प्रोडक्ट की बात है)। पूरे दस्तावेज़ की कॉल लंबे कॉन्टेक्स्ट वाले मॉडलों पर चलती हैं, लेकिन एक ग़लती को ढूँढना और दोबारा चलाना मुश्किल होता है। कुछ सौ शब्दों का एक section अच्छा संतुलन है। अगर एकरूपता अहम है तो पिछले section का अनुवाद संदर्भ के रूप में भेजें।

[Qwen3.8 27B](https://broadrouter.com/hi/models/qwen3.8-27b/) का कॉन्टेक्स्ट 262,144 टोकन है; [DeepSeek V4.1 Flash](https://broadrouter.com/hi/models/deepseek-v4.1-flash/) और [GLM 5.3](https://broadrouter.com/hi/models/glm-5.3/) 1,048,576 टोकन तक लेते हैं, जो अनुवाद वाले टेक्स्ट के साथ एक लंबा reference दस्तावेज़ जोड़ने के लिए काफ़ी है।

## ख़तरनाक ग़लतियाँ कैसे पकड़ें?

धाराप्रवाह आउटपुट ग़लतियाँ छिपा लेता है। इन्हें ऑटोमैटिक जाँचें:

-   **संख्याएँ:** source और target से हर संख्या निकालें (पूर्वी अरबी अंक बदलने के बाद) और दोनों sets मिलाएँ।
-   **निषेध:** छूटा हुआ “नहीं” (لا, لم, لن, ليس, ما) अर्थ उलट देता है। ऐसे वाक्य चिह्नित करें जहाँ source में निषेध है और target में नहीं।
-   **नाम और शब्दावली के शब्द:** जाँचें कि वे बिना बदले बचे रहे।
-   **लंबाई का अनुपात:** उम्मीद से बहुत छोटा target आमतौर पर बताता है कि कुछ छूट गया।

```python
import re
EASTERN = str.maketrans("٠١٢٣٤٥٦٧٨٩", "0123456789")

def numbers(s: str) -> list[str]:
    return sorted(re.findall(r"\d+(?:[.,]\d+)?", s.translate(EASTERN)))

def check(src: str, tgt: str) -> list[str]:
    issues = []
    if numbers(src) != numbers(tgt):
        issues.append(f"numbers differ: {numbers(src)} vs {numbers(tgt)}")
    return issues
```

दशमलव विभाजक locales के बीच अलग हो सकता है (अरबी टेक्स्ट कभी-कभी ٫ इस्तेमाल करता है), इसलिए अगर आपके दस्तावेज़ उन्हें इस्तेमाल करते हैं तो उन्हें भी normalize करें।

## अनुवाद की क्वालिटी का मूल्यांकन कैसे करें?

ऑटोमैटिक metrics बताते हैं कि प्रॉम्प्ट या मॉडल के किसी बदलाव ने औसतन चीज़ें बेहतर कीं या बदतर:

| Metric | क्या मापता है | अरबी के लिए नोट्स |
| --- | --- | --- |
| BLEU | reference से शब्द n-gram का मेल | अरबी पर सख़्त, जहाँ clitics और वर्तनी के रूप शब्दों का आकार बदलते हैं |
| [chrF](https://aclanthology.org/W15-3049/) | Character n-gram का मेल | अरबी morphology के साथ ज़्यादा नरम; बेहतर डिफ़ॉल्ट |
| [COMET](https://arxiv.org/abs/2009.09025) | एक neural मॉडल का क्वालिटी आकलन | इंसानी रेटिंग से बेहतर मेल; GPU या hosted scorer चाहिए |

सार्वजनिक benchmark के लिए, [No Language Left Behind](https://arxiv.org/abs/2207.04672) प्रोजेक्ट में इस्तेमाल FLORES-200 अपनी [भाषा सूची](https://github.com/facebookresearch/flores/blob/main/flores200/README.md) के अनुसार अंग्रेज़ी के साथ आधुनिक मानक अरबी और मिस्री, नज्दी, उत्तरी और दक्षिणी लेवेंटाइन, मेसोपोटामियाई, मोरक्कन, ट्यूनीशियाई और ताइज़्ज़ी-अदनी अरबी रखता है। लेकिन असली टेस्ट आपका अपना कंटेंट है:

1.  मौजूदा पेशेवर अनुवादों वाले 100 से 200 प्रतिनिधि segments लें।
2.  हर मॉडल और प्रॉम्प्ट वर्ज़न से उनका अनुवाद करें।
3.  सभी सिस्टमों के लिए अरबी वर्तनी एक ही तरह normalize करने के बाद chrF (और हो सके तो COMET) स्कोर करें।
4.  किसी मातृभाषी से हर सिस्टम के 30 segments को सटीकता और स्वाभाविकता पर रेट करवाएँ, बिना बताए कि किस सिस्टम ने बनाया।
5.  ऊपर की ख़तरनाक-ग़लती वाली जाँचों को अलग गिनती के रूप में ट्रैक करें।

## कौन-सा मॉडल इस्तेमाल करें, और लागत कितनी होगी?

BroadNet बताता है कि उसके टेस्ट में [Qwen3.8 27B](https://broadrouter.com/hi/models/qwen3.8-27b/) ने अरबी और अंग्रेज़ी के बीच सटीक अनुवाद किया, धाराप्रवाह अरबी लिखी और खाड़ी और मिस्री बोलियाँ समझीं। इससे यह BroadNet Inference पर पहला स्वाभाविक उम्मीदवार बनता है। [DeepSeek V4.1 Flash](https://broadrouter.com/hi/models/deepseek-v4.1-flash/) भी टेस्ट करने लायक़ है: इसके आउटपुट टोकन सस्ते हैं, और अनलिमिटेड फ़्लैट प्लान पर यही मॉडल है। [DeepSeek V4.1 Flash बनाम Qwen3.8 27B तुलना](https://broadrouter.com/compare/deepseek-v4.1-flash-vs-qwen3.8-27b/) दोनों को आमने-सामने रखती है।

प्रति 1M टोकन:

| मॉडल | इनपुट | आउटपुट |
| --- | --- | --- |
| Qwen3.8 27B | $0.175 | $2.17 |
| DeepSeek V4.1 Flash | $0.175 | $0.52 |
| GLM 5.3 | $0.78 | $3.46 |

अनुवाद का आउटपुट लगभग इनपुट जितना लंबा होता है, और तीनों मॉडल जवाब से पहले reasoning करते हैं, इसलिए बिल में आमतौर पर आउटपुट टोकन हावी रहते हैं। अरबी को अंग्रेज़ी से प्रति शब्द ज़्यादा टोकन भी चाहिए होते हैं; देखें [अरबी और अंग्रेज़ी में प्रति शब्द टोकन](https://broadrouter.com/hi/blog/tokens-per-word-arabic-english/)। एक सैंपल मुफ़्त [अरबी टोकन काउंटर](https://broadrouter.com/tools/arabic-token-counter/) में पेस्ट करें, किसी असली अनुरोध के `usage` से पुष्टि करें, फिर [LLM API लागत कैलकुलेटर](https://broadrouter.com/tools/llm-api-cost-calculator/) से मासिक ख़र्च का अनुमान लगाएँ। DeepSeek V4.1 Flash पर किसी बड़े एक बार के localization प्रोजेक्ट के लिए, $15 वाला साप्ताहिक प्लान टोकन मीटर पूरी तरह हटा देता है।

## क्या आप कॉन्ट्रैक्ट और टिकट API को भेज सकते हैं?

कॉन्ट्रैक्ट, मेडिकल पत्र और सपोर्ट टिकट में अक्सर निजी डेटा होता है। BroadNet Inference अनुरोध के बाद प्रॉम्प्ट या आउटपुट retain नहीं करता; देखें [zero data retention](https://broadrouter.com/hi/privacy/)। जाँचें कि आपकी translation memory और logs भी इन्हीं नियमों का पालन करते हैं।

इस विषय के मुफ़्त टूल (अंग्रेज़ी में)

-   [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.

[मुफ़्त टूल (अंग्रेज़ी में)](https://broadrouter.com/tools/)

## इस लेख के शब्द

[टोकन (token)](https://broadrouter.com/hi/glossary/token/)

टोकन टेक्स्ट की वह इकाई है जिसे लैंग्वेज मॉडल पढ़ता और लिखता है: कोई शब्द, शब्द का हिस्सा, विराम चिह्न या बाइट का क्रम, जो मॉडल का टोकनाइज़र बनाता है। LLM API इस्तेमाल को टोकन में गिनते हैं, उसी में लिमिट लगाते हैं और आम तौर पर बिल भी बनाते हैं।

[मानक आधुनिक अरबी (Modern Standard Arabic, MSA)](https://broadrouter.com/hi/glossary/msa/)

Modern Standard Arabic (MSA) अरबी का मानक रूप है, जो पूरी अरब दुनिया में लेखन, समाचार, शिक्षा और औपचारिक भाषण में इस्तेमाल होता है। यह किसी की रोज़मर्रा की मातृभाषा नहीं है: लोग मिस्री या खाड़ी अरबी जैसी क्षेत्रीय बोलियाँ बोलते हैं और औपचारिक मौक़ों पर MSA अपनाते हैं।

[इनपुट और आउटपुट टोकन (input and output tokens)](https://broadrouter.com/hi/glossary/input-and-output-tokens/)

इनपुट टोकन वे टोकन हैं जिन्हें लैंग्वेज मॉडल किसी अनुरोध में पढ़ता है, जिनमें सिस्टम प्रॉम्प्ट, बातचीत का इतिहास, टूल डेफ़िनिशन और इमेज शामिल हैं। आउटपुट टोकन वे हैं जो वह जवाब में बनाता है, रीज़निंग समेत। LLM API आम तौर पर दोनों की कीमत अलग रखते हैं, और आउटपुट आम तौर पर महँगा होता है।

[अरबी बोलियाँ (dialectal Arabic)](https://broadrouter.com/hi/glossary/dialectal-arabic/)

अरबी बोलियाँ किसी क्षेत्र या शहर में रोज़ बोली जाने वाली अरबी हैं, जैसे मिस्री, खाड़ी, लेवेंटाइन या मग़रिबी अरबी। ये आधुनिक मानक अरबी से आवाज़ों, शब्दों और व्याकरण में अलग हैं, इनकी कोई मानक वर्तनी नहीं, और ऑनलाइन इन्हें तेज़ी से लिखा जा रहा है, जिससे लैंग्वेज मॉडल के लिए ये मुश्किल हैं।

[ज़ीरो डेटा रिटेंशन (zero data retention, ZDR)](https://broadrouter.com/hi/glossary/zero-data-retention/)

ज़ीरो डेटा रिटेंशन (ZDR) डेटा सँभालने की एक पॉलिसी है, जिसमें AI प्रोवाइडर प्रॉम्प्ट और आउटपुट सिर्फ़ अनुरोध पूरा करने के लिए प्रोसेस करता है और बाद में वह सामग्री लॉग, कैश या ट्रेनिंग डेटा में स्टोर नहीं करता। टोकन गिनती और समय जैसे बिना सामग्री वाले रिकॉर्ड आम तौर पर फिर भी रखे जाते हैं।

[टूल कॉलिंग (tool calling)](https://broadrouter.com/hi/glossary/tool-calling/)

टूल कॉलिंग, जिसे function calling भी कहते हैं, LLM API की वह सुविधा है जिसमें मॉडल डेवलपर के तय किए किसी फ़ंक्शन को चलाने का एक स्ट्रक्चर्ड अनुरोध, JSON आर्ग्युमेंट के साथ, लौटाता है। ऐप्लिकेशन फ़ंक्शन चलाकर नतीजा वापस भेजता है; मॉडल ख़ुद कभी कोड नहीं चलाता।

[सिस्टम प्रॉम्प्ट (system prompt)](https://broadrouter.com/hi/glossary/system-prompt/)

सिस्टम प्रॉम्प्ट वह निर्देश टेक्स्ट है जो कोई ऐप्लिकेशन बातचीत से पहले लैंग्वेज मॉडल को भेजता है, आम तौर पर system या developer रोल वाले मैसेज के रूप में। यह मॉडल की भूमिका, नियम, लहजा और आउटपुट फ़ॉर्मैट तय करता है, और टकराव होने पर मॉडल को यूज़र के मैसेज के बजाय इसी का पालन करना होता है।

## अक्सर पूछे जाने वाले सवाल

### क्या अरबी के लिए LLM किसी समर्पित अनुवाद API से बेहतर है?

छोटे, आम टेक्स्ट के लिए फ़र्क़ कम हो सकता है। LLM तब आगे निकलते हैं जब आपको लहजे, शब्दावली के शब्दों, फ़ॉर्मैटिंग या बोली वाले इनपुट पर नियंत्रण चाहिए, क्योंकि आप प्रॉम्प्ट में ठीक-ठीक बता सकते हैं कि क्या चाहिए।

### क्या मॉडल बोली वाली अरबी का अंग्रेज़ी में अनुवाद कर सकता है?

अक्सर हाँ, क्योंकि अनुवाद समझ पर निर्भर है, और मॉडल बोलियाँ लिखने से बेहतर समझते हैं। BroadNet बताता है कि उसके टेस्ट में Qwen3.8 27B ने खाड़ी और मिस्री बोलियाँ समझीं। मातृभाषियों से एक सैंपल जँचवाएँ।

### क्या क़ानूनी दस्तावेज़ों का मशीन से अनुवाद होना चाहिए?

पहले ड्राफ़्ट और समझने के लिए LLM इस्तेमाल करें, लेकिन क़ानूनी असर वाली हर चीज़ की समीक्षा किसी योग्य अनुवादक से करवाएँ। कई क्षेत्राधिकार आधिकारिक दस्तावेज़ों के लिए प्रमाणित इंसानी अनुवाद भी माँगते हैं।

### मेरा अरबी अनुवाद टोकन में अंग्रेज़ी से लंबा क्यों है?

Tokenizers अक्सर अरबी को अंग्रेज़ी से प्रति शब्द ज़्यादा टोकन में बाँटते हैं। एक सैंपल टोकन काउंटर में पेस्ट करें, फिर किसी असली अनुरोध के usage.prompt\_tokens और usage.completion\_tokens से पुष्टि करें।

### अरबी machine translation के मूल्यांकन के लिए कौन-सा metric इस्तेमाल करूँ?

डिफ़ॉल्ट ऑटोमैटिक स्कोर के लिए chrF इस्तेमाल करें, क्योंकि character n-grams अरबी clitics और वर्तनी के रूपों को BLEU से बेहतर संभालते हैं। चला सकें तो COMET जोड़ें, और मातृभाषियों से हर सिस्टम के 30 या ज़्यादा segments बिना नाम बताए रेट करवाएँ।

## आगे पढ़ें

-   [अरबी के लिए LLM API कैसे चुनें: क्या-क्या टेस्ट करें](https://broadrouter.com/hi/blog/choosing-an-llm-for-arabic/)
-   [अरबी प्रॉम्प्ट इंजीनियरिंग: register, RTL, अंक और मिला-जुला टेक्स्ट](https://broadrouter.com/hi/blog/arabic-prompt-engineering/)
-   [अरबी बनाम अंग्रेज़ी में प्रति शब्द टोकन: अरबी महँगी क्यों पड़ती है](https://broadrouter.com/hi/blog/tokens-per-word-arabic-english/)
-   [JSON mode बनाम json\_schema: भरोसेमंद स्ट्रक्चर्ड आउटपुट](https://broadrouter.com/hi/blog/structured-output-json-schema/)
-   [LLM से ऐप strings का अरबी अनुवाद: placeholders और plurals](https://broadrouter.com/hi/blog/translate-app-strings-to-arabic-llm/)
-   [API से अरबी ऑडियो का अंग्रेज़ी में अनुवाद: टेस्ट की हुई पाइपलाइन](https://broadrouter.com/hi/blog/translate-arabic-audio-to-english/)
-   [LLM से अरबी टेक्स्ट में हरकतें (तश्कील) लगाना: प्रॉम्प्ट, जाँच, DER](https://broadrouter.com/hi/blog/arabic-diacritization-llm/)
-   [LLM से अरबी व्याकरण और वर्तनी सुधार: एक how-to](https://broadrouter.com/hi/blog/arabic-grammar-spelling-correction-llm/)
-   [गाइड: BroadNet Inference के साथ OpenAI Python SDK इस्तेमाल करें](https://broadrouter.com/hi/guides/openai-python-sdk/)
-   [गाइड: विज़न मॉडल से अरबी इनवॉइस और रसीदें पढ़ें](https://broadrouter.com/hi/guides/read-arabic-invoices-with-vision/)

इसे अपने असली वर्कलोड पर आज़माएँ। नए अकाउंट Gemma और ट्रांसक्रिप्शन के लिए US$5 के क्रेडिट से शुरू होते हैं। DeepSeek, GLM, और Qwen3.8 के लिए टॉप-अप ज़रूरी है।

[शुरू करें](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-blog-arabic-english-translation-llm&utm_content=page-cta) ·

**स्रोत**

-   [BroadNet Inference pricing पेज, Qwen3.8 27B का "Tested in Arabic" नोट (2026-11-14 को देखा गया) (अंग्रेज़ी में)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-blog-arabic-english-translation-llm&utm_content=sources)
-   [Popović, chrF: character n-gram F-score for automatic MT evaluation (WMT 2015; 2026-11-14 को देखा गया)](https://aclanthology.org/W15-3049/)
-   [Rei et al., COMET: A Neural Framework for MT Evaluation (arXiv 2009.09025; 2026-11-14 को देखा गया)](https://arxiv.org/abs/2009.09025)
-   [NLLB Team, No Language Left Behind (FLORES-200 पर मूल्यांकन; arXiv 2207.04672; 2026-11-14 को देखा गया)](https://arxiv.org/abs/2207.04672)
-   [FLORES-200 भाषा सूची (MSA के साथ मिस्री, नज्दी, लेवेंटाइन, मेसोपोटामियाई, मोरक्कन, ट्यूनीशियाई और ताइज़्ज़ी-अदनी अरबी; 2026-11-14 को देखा गया)](https://github.com/facebookresearch/flores/blob/main/flores200/README.md)
