---
title: "Speech recognition dialek Arab: cara menguji ASR | BroadRouter"
description: "Mengapa speech-to-text kesulitan dengan bahasa Arab Teluk, Mesir, Levant, dan Maghribi, dan cara menyusun test set dialek dari audio Anda sendiri."
url: https://broadrouter.com/id/blog/arabic-dialect-speech-recognition/
lang: id
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Diterjemahkan dari bahasa Inggris dengan bantuan AI. [Baca versi asli bahasa Inggris](https://broadrouter.com/blog/arabic-dialect-speech-recognition/) (diperbarui 2026-11-16).

# Speech recognition dialek Arab: Teluk, Mesir, Levant, Maghribi

Oleh tim BroadNet Inference · 5 menit baca · Dipublikasikan 2026-11-14 · Diperbarui 2026-11-16

Dialek Arab berbeda dari bahasa Arab Standar Modern dalam bunyi, kosakata, dan ejaan, dan penuturnya mencampur bahasa Inggris atau Prancis, sehingga model ASR yang sebagian besar dilatih dengan bahasa Arab formal mendapat skor jauh lebih buruk. Untuk menguji penyedia, susun test set per dialek dari audio nyata Anda, tetapkan konvensi ejaan, lalu hitung WER, CER, dan akurasi entitas per dialek.

## Poin penting

-   Dialek adalah salah satu penentu utama akurasi ASR bahasa Arab: BroadNet melaporkan WER 3,8 pada bahasa Arab yang dibacakan dan 23,4 pada ucapan dialek untuk model yang sama.
-   Dialek tidak punya ejaan baku, jadi putuskan apakah referensi ditulis verbatim sesuai dialek atau dinormalisasi sebelum Anda menghitung skor.
-   Ucapan Teluk bercampur bahasa Inggris; ucapan Maghribi bercampur bahasa Prancis. Hitung skor klip code-switching sebagai kelompok tersendiri.
-   Laporkan WER dan CER per dialek, plus akurasi angka dan nama. Jangan pernah percaya pada satu angka rata-rata.
-   Tiga puluh sampai lima puluh klip per dialek, dengan sepuluh referensi yang dicek manual, sudah cukup untuk memeringkat penyedia.

**Di halaman ini**

1.  Mengapa dialek Arab sulit untuk speech recognition?
2.  Bagaimana setiap dialek Arab menyulitkan speech recognition?
3.  Bagaimana menyusun test set dialek Arab?
4.  Apa arti angka WER bahasa Arab yang dipublikasikan?
5.  LLM mana yang sebaiknya membaca transkrip dialek?
6.  Posisi BroadNet Inference

Speech-to-text kesulitan dengan dialek Arab karena dialek berbeda dari bahasa Arab Standar Modern (MSA) dalam bunyi, kosakata, dan ejaan, dan penuturnya mencampur bahasa Inggris atau Prancis. Untuk mengetahui hasil sebuah penyedia, susun test set kecil per dialek dari audio nyata Anda dan hitung skor setiap dialek secara terpisah.

Penelepon dari Riyadh, voice note dari Kairo, dan panggilan support dari Casablanca semuanya “bahasa Arab”, dan satu model bisa menangani yang pertama dengan baik tetapi yang ketiga dengan buruk.

Artikel ini menjelaskan apa yang membuat setiap kelompok dialek utama sulit bagi speech recognition, dan cara menyusun tes yang menunjukkan hasil penyedia pada dialek **Anda**. Untuk checklist pembelian yang lebih luas (harga, batas, privasi), lihat [panduan memilih API speech-to-text bahasa Arab](https://broadrouter.com/id/blog/arabic-speech-to-text-api-buyers-guide/).

## Mengapa dialek Arab sulit untuk speech recognition?

Empat masalah menumpuk:

1.  **Bunyi yang berbeda.** Huruf yang sama dilafalkan berbeda di tiap wilayah, sehingga model akustik harus memetakan beberapa bunyi ke satu ejaan.
2.  **Kosakata yang berbeda.** Kata sehari-hari berbeda antardialek. Model yang sebagian besar dilatih dengan MSA bisa “mengoreksi” kata dialek menjadi padanan formalnya, dan itu dihitung sebagai kesalahan jika referensi Anda verbatim.
3.  **Tidak ada ejaan baku.** Dialek ditulis secara informal, sehingga dua transkriptor manusia pun bisa berbeda pendapat. Data latih juga tidak merata: studi tahun 2024 tentang cakupan dialek mencatat bahwa sistem ASR yang ada “mainly cover the modern standard Arabic (MSA) variety and few high-resource dialects” (Terjemahan BroadRouter: sebagian besar mencakup ragam bahasa Arab Standar Modern (MSA) dan sedikit dialek yang sumber datanya melimpah) ([arXiv 2411.05872](https://arxiv.org/abs/2411.05872)).
4.  **[Code-switching](https://broadrouter.com/id/glossary/code-switching/).** Penutur berpindah ke bahasa Inggris atau Prancis di tengah kalimat. Dataset [Casablanca](https://aclanthology.org/2024.emnlp-main.1211), yang mencakup delapan dialek, memberi anotasi code-switching bersama dialek dan gender.

Makalah [Open Universal Arabic ASR Leaderboard](https://arxiv.org/abs/2412.13788) (Interspeech 2025) mengevaluasi model open source di beberapa test set multidialek justru karena alasan ini: satu skor bahasa Arab menyembunyikan sebarannya.

## Bagaimana setiap dialek Arab menyulitkan speech recognition?

| Kelompok dialek | Wilayah | Titik masalah ASR yang umum |
| --- | --- | --- |
| Teluk (Khaleeji) | Arab Saudi, UEA, Kuwait, Qatar, Bahrain, Oman | Nama produk, angka, dan istilah merek berbahasa Inggris yang tercampur; pelafalan regional qaf dan kaf |
| Mesir | Mesir | Jim dilafalkan sebagai g keras; qaf sering menjadi hentian glotal; sangat umum di media, jadi model biasanya lebih banyak melihatnya |
| Levant | Suriah, Lebanon, Yordania, Palestina | Qaf perkotaan menjadi hentian glotal; bahasa Prancis atau Inggris tercampur, terutama di Lebanon |
| Maghribi (Darija) | Maroko, Aljazair, Tunisia, Libya | Paling jauh dari MSA; vokal pendek dihilangkan; code-switching bahasa Prancis yang berat; kata serapan Amazigh |
| Irak | Irak | Kosakata dan pelafalan khas; audio latih publik lebih sedikit |

Ini kecenderungan, bukan aturan. Ucapan kota dan desa berbeda di dalam setiap kelompok, dan penutur muda lebih sering melakukan code-switching. Intinya, setiap kelompok gagal dengan caranya sendiri, jadi Anda menilai setiap kelompok secara terpisah.

## Bagaimana menyusun test set dialek Arab?

### 1\. Ambil sampel audio nyata per dialek

Ambil 30 sampai 50 klip per dialek dari kanal yang akan Anda jalankan di produksi: panggilan telepon, voice note WhatsApp, rekaman rapat. Audio telepon 8 kHz berperilaku berbeda dari audio studio. Beri label dialek pada setiap klip, dan tandai klip yang berisi bahasa Inggris atau Prancis.

### 2\. Sepakati konvensi ejaan lebih dulu

Sebelum siapa pun menulis referensi, putuskan:

-   **Verbatim sesuai dialek** (tulis apa yang diucapkan, dengan ejaan dialek), atau
-   **Dinormalisasi** (dipetakan ke bentuk yang konsisten).

Tuliskan pilihan itu beserta contohnya. Jika referensi verbatim dan model mengeluarkan kata yang mirip MSA, WER akan terlihat buruk sekali meskipun maknanya benar. Tidak ada pilihan yang salah. Pilihan itu harus sesuai dengan kebutuhan sistem hilir Anda.

### 3\. Tulis referensi untuk 10 klip per dialek

Minta penutur asli dialek tersebut mentranskripsikannya. Untuk klip code-switching, putuskan apakah kata bahasa Inggris tetap ditulis dalam huruf Latin, lalu terapkan di mana-mana.

### 4\. Normalisasi kedua sisi, lalu hitung skor

Hapus harakat, satukan bentuk alif (إ أ آ menjadi ا) dan ya akhir (ى menjadi ي), hapus tanda baca, dan ubah digit Arab Timur menjadi digit Barat. Lalu hitung:

| Metrik | Alasan |
| --- | --- |
| [WER](https://broadrouter.com/id/glossary/word-error-rate/) per dialek | Ukuran standar; ketat terhadap klitik dan prefiks |
| CER per dialek | Lebih toleran terhadap variasi ejaan |
| Akurasi entitas | Porsi angka, tanggal, dan nama yang ditranskripsikan persis |
| WER kelompok code-switching | Menunjukkan apakah kata bahasa Inggris atau Prancis bertahan |

Paket `jiwer` menghitung WER dan CER; [penjelasan WER bahasa Arab](https://broadrouter.com/id/blog/arabic-asr-wer-explained/) berisi fungsi normalisasi yang bisa Anda pakai ulang dan contoh perhitungan seberapa besar normalisasi mengubah skor.

### 5\. Baca transkripnya

Angka menentukan apakah alur kerja call center atau perbankan berjalan. Baca 20 transkrip per dialek dan cek setiap angka, tanggal, dan nama secara manual.

## Apa arti angka WER bahasa Arab yang dipublikasikan?

Benchmark publik memberi arah, bukan janji. BroadNet memublikasikan tiga angka WER untuk BroadNet Transcribe Arabic di [katalog modelnya](https://www.broadnet.ai/inference/models): 3,8 di FLEURS-ar (ucapan bersih yang dibacakan), 21,1 di MASC-ar (ucapan dunia nyata campuran), dan 23,4 di set dialeknya sendiri. Itu lonjakan enam kali lipat untuk model yang sama antara ucapan yang dibacakan dan ucapan dialek, dan itulah sebabnya Anda menguji dengan dialek Anda sendiri.

Saat membandingkan penyedia, bandingkan di test set yang sama. Leaderboard seperti [Open Universal Arabic ASR Leaderboard](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard) berguna karena setiap model dinilai dengan cara yang sama. Angka sebuah vendor di set miliknya sendiri tidak bisa dibandingkan dengan angka vendor lain.

## LLM mana yang sebaiknya membaca transkrip dialek?

Transkrip biasanya diteruskan ke LLM: untuk meringkas panggilan, merutekan tiket, atau menjawab pertanyaan. Model itu juga perlu bisa membaca dialek. [Panduan memilih LLM untuk bahasa Arab](https://broadrouter.com/id/blog/choosing-an-llm-for-arabic/) membahas cara mengujinya, dan [Qwen3.8 27B](https://broadrouter.com/id/models/qwen3.8-27b/) adalah model yang diuji BroadNet pada dialek Teluk dan Mesir.

## Posisi BroadNet Inference

[BroadNet Transcribe Arabic](https://broadrouter.com/id/models/cohere-transcribe-arabic/) dibuat untuk bahasa Arab termasuk dialeknya, berharga $0.0042 per menit ($0.25 per jam), dan BroadNet melaporkan model ini #2 dari 37 (angka September 2026; papan peringkat langsung mencantumkannya di #4 dari 39 pada 15 November 2026) di Open Universal Arabic ASR Leaderboard, serta #1 di antara model yang lisensinya mengizinkan penyajian lewat API. Untuk angka, tanggal, dan nama di audio yang bising, BroadNet menawarkan versi fine-tuned [atas permintaan](https://broadrouter.com/id/models/#on-request). Kredit awal $5 mencakup sekitar 1,190 menit, cukup untuk seluruh tes di atas; [kalkulator biaya speech-to-text](https://broadrouter.com/tools/speech-to-text-cost-calculator/) mengubah volume produksi Anda menjadi tagihan bulanan. [Buat kunci API](https://inference.broadnet.ai/?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-blog-arabic-dialect-speech-recognition&utm_content=body) untuk mulai.

BroadNet tidak memublikasikan angka WER terpisah untuk setiap kelompok dialek. Justru itu alasan Anda perlu menjalankan tes ini: angka set dialeknya hanya satu angka, sementara pelanggan Anda berbicara satu atau dua dialek, bukan semuanya.

Alat gratis untuk topik ini (bahasa Inggris)

-   [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.

[Alat gratis (bahasa Inggris)](https://broadrouter.com/tools/)

## Istilah dalam artikel ini

[Alih kode (code-switching)](https://broadrouter.com/id/glossary/code-switching/)

Alih kode (code-switching) adalah penggunaan dua bahasa atau lebih, atau beberapa varian dari satu bahasa, dalam percakapan atau kalimat yang sama, baik lisan maupun tulisan. Contohnya penutur bahasa Arab yang mencampur kata bahasa Inggris ke dalam dialek, atau berpindah antara Arab Standar Modern dan dialek mereka.

[Speech-to-text (ucapan ke teks)](https://broadrouter.com/id/glossary/speech-to-text/)

Speech-to-text, juga disebut automatic speech recognition (ASR), adalah teknologi yang mengubah audio ucapan menjadi teks tertulis. API speech-to-text menerima file atau stream audio dan mengembalikan transkrip, biasanya dihargai per menit audio. Akurasinya diukur dengan word error rate dan bervariasi menurut aksen, dialek, dan kualitas rekaman.

[Word error rate (WER)](https://broadrouter.com/id/glossary/word-error-rate/)

Word error rate (WER) adalah ukuran akurasi standar untuk pengenalan ucapan: jumlah substitusi, penghapusan, dan penyisipan kata yang dibutuhkan untuk mengubah transkrip menjadi referensi yang benar, dibagi jumlah kata dalam referensi. Makin rendah makin baik.

[Bahasa Arab Standar Modern (MSA, Fusha)](https://broadrouter.com/id/glossary/msa/)

Bahasa Arab Standar Modern (MSA) adalah bentuk baku bahasa Arab yang dipakai dalam tulisan, berita, pendidikan, dan pidato formal di seluruh dunia Arab. MSA bukan bahasa ibu sehari-hari siapa pun: orang berbicara dalam dialek daerah seperti Arab Mesir atau Teluk dan beralih ke MSA dalam situasi formal.

[Dialek bahasa Arab (dialectal Arabic)](https://broadrouter.com/id/glossary/dialectal-arabic/)

Dialek bahasa Arab adalah bahasa Arab lisan sehari-hari di suatu wilayah atau kota, seperti bahasa Arab Mesir, Teluk, Levant, atau Maghribi. Dialek berbeda dari Bahasa Arab Standar Modern dalam bunyi, kosakata, dan tata bahasa, tidak punya ejaan baku, dan makin sering ditulis di internet, sehingga lebih sulit bagi model bahasa.

[Character error rate (CER)](https://broadrouter.com/id/glossary/character-error-rate/)

Character error rate (CER) mengukur akurasi transkripsi atau OCR di tingkat karakter: jumlah substitusi, penghapusan, dan penyisipan yang dibutuhkan untuk mengubah output menjadi teks referensi, dibagi jumlah karakter dalam referensi. Makin rendah makin baik, dan 0 berarti cocok sempurna.

[Harakat bahasa Arab (tashkeel)](https://broadrouter.com/id/glossary/arabic-diacritics/)

Harakat bahasa Arab, atau tashkeel, adalah tanda kecil di atas atau di bawah huruf yang menunjukkan vokal pendek, konsonan ganda, dan ketiadaan vokal. Tanda ini opsional: sebagian besar teks Arab, termasuk berita, tidak memakainya, sehingga pembaca dan perangkat lunak menebak vokal dari konteks.

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

Kunci API adalah string rahasia yang mengidentifikasi dan mengotorisasi client yang memanggil API. API LLM biasanya mengharapkannya di header Authorization: Bearer, dan siapa pun yang memegang kunci itu bisa membuat permintaan yang ditagihkan ke akun pemiliknya.

## Pertanyaan umum

### Dialek Arab mana yang paling sulit untuk speech recognition?

Tidak ada peringkat yang berlaku umum; semuanya bergantung pada data latih model. Dialek Maghribi seperti bahasa Arab Maroko dan Aljazair sering sulit karena paling jauh dari bahasa Arab Standar Modern dan bercampur bahasa Prancis. Uji dialek Anda sendiri daripada mengandalkan peringkat umum.

### Apakah speech-to-text bisa memahami bahasa Arab Mesir?

Sering kali lebih baik daripada dialek yang lebih jarang, karena bahasa Arab Mesir banyak dipakai di media, tetapi tetap harapkan akurasi yang lebih rendah daripada bahasa Arab formal. Ukur di rekaman Anda sendiri.

### Sebaiknya saya memakai WER atau CER untuk bahasa Arab?

Pakai keduanya. WER menghitung kata utuh, jadi satu prefiks atau klitik yang salah membuat seluruh kata salah. CER menghitung karakter dan lebih toleran terhadap variasi ejaan, yang penting untuk dialek tanpa ejaan baku.

### Berapa banyak klip audio yang saya perlukan untuk menguji penyedia ASR bahasa Arab?

Sekitar 30 sampai 50 klip nyata per dialek, dengan minimal 10 per dialek ditranskripsikan manual sebagai referensi. Itu cukup untuk melihat perbedaan besar antarpenyedia.

### Apakah kode bahasa berpengaruh untuk dialek Arab?

Kirim language=ar. Di sebagian besar API, semua dialek memakai kode ar yang sama. Tanpa kode itu, beberapa model mengembalikan ucapan Arab dalam bentuk transliterasi huruf Latin.

## Baca juga

-   [API speech-to-text bahasa Arab: cara memilihnya di 2026](https://broadrouter.com/id/blog/arabic-speech-to-text-api-buyers-guide/)
-   [Memilih API LLM untuk bahasa Arab: apa yang perlu diuji](https://broadrouter.com/id/blog/choosing-an-llm-for-arabic/)
-   [Alternatif API Whisper: kapan beralih dan cara mengujinya](https://broadrouter.com/id/blog/whisper-api-alternative/)
-   [Cara transkripsi rekaman call center: pipeline siap bahasa Arab](https://broadrouter.com/id/blog/transcribe-call-center-recordings/)
-   [Terjemahkan audio bahasa Arab ke teks Inggris via API: pipeline teruji](https://broadrouter.com/id/blog/translate-arabic-audio-to-english/)
-   [Menambahkan harakat ke teks Arab dengan LLM: prompt, cek, DER](https://broadrouter.com/id/blog/arabic-diacritization-llm/)
-   [Koreksi tata bahasa dan ejaan Arab dengan LLM: panduan praktis](https://broadrouter.com/id/blog/arabic-grammar-spelling-correction-llm/)
-   [Panduan: API speech-to-text bahasa Arab, langkah demi langkah](https://broadrouter.com/id/guides/arabic-speech-to-text-api/)

Coba dengan beban kerja Anda yang sebenarnya. Akun baru mendapat kredit US$5 untuk Gemma dan transkripsi. DeepSeek, GLM, dan Qwen3.8 memerlukan top up.

[Mulai](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-blog-arabic-dialect-speech-recognition&utm_content=page-cta) ·

**Sumber**

-   [Talafha dkk., Casablanca: Data and Models for Multidialectal Arabic Speech Recognition (EMNLP 2024; diakses 2026-11-14)](https://aclanthology.org/2024.emnlp-main.1211)
-   [Wang, Alhmoud, dan Alqurishi, Open Universal Arabic ASR Leaderboard (Interspeech 2025; arXiv 2412.13788; diakses 2026-11-14)](https://arxiv.org/abs/2412.13788)
-   [Dialectal Coverage and Generalization in Arabic Speech Recognition (arXiv 2411.05872; diakses 2026-11-14)](https://arxiv.org/abs/2411.05872)
-   [Open Universal Arabic ASR Leaderboard, Hugging Face Space (diakses 2026-11-14)](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)
-   [Katalog model BroadNet, speech-to-text: WER sebagaimana dilaporkan BroadNet (diakses 2026-11-14) (bahasa Inggris)](https://www.broadnet.ai/inference/models)
