Fitur AI untuk pengguna berbahasa Arab, Inggris, dan Spanyol sebenarnya adalah tiga produk yang berbagi satu codebase. Layar harus dibalik arahnya untuk bahasa Arab. Pesan mencampur beberapa aksara dalam satu baris. Bentuk angka dan tanggal berubah sesuai wilayah. Model bisa menjawab dalam bahasa yang salah, dan biaya setiap bahasa berbeda. Sebagian besar masalah ini berasal dari satu kesalahan desain: menganggap “bahasa” sebagai satu pengaturan saja.
Artikel ini membahas sisi produk dan antarmuka. Menerjemahkan string aplikasi Anda sendiri (placeholder, bentuk jamak, pesan ICU) ada di menerjemahkan string aplikasi ke bahasa Arab dengan LLM; penulisan prompt ada di prompt engineering bahasa Arab.
Mengapa locale antarmuka harus dipisahkan dari bahasa model?
Karena keduanya menjawab pertanyaan yang berbeda. Locale antarmuka (ar-SA, en-US, es-MX) menentukan arah tata letak, bahasa tombol Anda, serta tampilan angka dan tanggal. Bahasa konten adalah bahasa dari pesan, dokumen, atau rekaman tertentu, dan menentukan apa yang Anda minta dari model.
Keduanya terus-menerus berbeda. Pengguna Saudi dengan antarmuka berbahasa Arab menempelkan kontrak berbahasa Inggris. Pengguna berbahasa Spanyol mengunggah foto faktur berbahasa Arab. Agen dwibahasa berganti bahasa di tengah percakapan (code-switching). Jika kode mengirim “jawab dalam bahasa Arab” karena antarmukanya berbahasa Arab, kontrak berbahasa Inggris itu mendapat ringkasan berbahasa Arab yang tidak diminta siapa pun.
Jadi simpan keduanya per pengguna dan per pesan:
ui_locale: dipilih pengguna, default-nya bahasa browser.answer_language: pilihan eksplisit pengguna jika ada, jika tidak, bahasa pesan yang terdeteksi.- Untuk audio,
audio_language: nilai yang Anda kirim ke model transkripsi. Referensi API BroadNet meminta Anda selalu mengirimlanguagepada permintaan transkripsi; jika tidak, bahasa Arab bisa kembali dalam huruf Latin.
Bagaimana mendukung teks kanan-ke-kiri dan teks campuran arah?
Tiga lapis, berdasarkan panduan W3C:
- Arah halaman dari locale. Tetapkan
dir="rtl"danlang="ar"pada elemenhtmluntuk bahasa Arab. W3C menyarankan agar arah dasar tidak diatur dengan CSS, dan agar margin, padding, serta perataan memakai nilai logis (startdanend), bukan kiri dan kanan. - CSS logis.
margin-inline-startalih-alihmargin-left,text-align: startalih-alihleft. MDN menggambarkan properti logis sebagai pengendali tata letak “through logical rather than physical direction” (Terjemahan BroadRouter: melalui arah logis, bukan arah fisik). Dengan begitu satu stylesheet melayani kedua arah. - Isolasi teks yang tidak Anda tulis. Pesan pengguna, jawaban model, nama produk, dan kode pesanan punya arahnya sendiri. Aturan W3C: jika Anda tidak tahu arah teks yang disisipkan saat runtime, tambahkan
dir="auto"pada elemen pembungkusnya, atau bungkus dengan elemenbdi. Tanpa isolasi, kode pesanan berbahasa Inggris di akhir kalimat Arab bisa melompat ke sisi yang salah, dan tanda baca jatuh di tempat yang aneh.
Untuk antarmuka chat, artinya dir="auto" pada setiap gelembung pesan, karena setiap pesan mengambil arah dari karakter kuat pertamanya, dan bdi di sekitar nama dan kode di dalam string antarmuka Anda sendiri. Di tempat yang tidak memiliki markup (notifikasi push, SMS, ekspor CSV), isolat dari Algoritma Dua Arah Unicode melakukan hal yang sama: U+2068 FIRST STRONG ISOLATE sebelum teks dan U+2069 POP DIRECTIONAL ISOLATE sesudahnya.
Output model menambah satu kasus lagi: Markdown. Model yang menjawab dalam bahasa Arab bisa menyertakan kode, URL, atau sel tabel berbahasa Inggris. Render blok kode dengan dir="ltr" secara eksplisit, dan beri setiap paragraf dan sel tabel dir="auto".
Bagaimana angka dan tanggal harus berbeda per locale?
Biarkan platform yang memformatnya, dan uji apa yang benar-benar dihasilkan. Kami menjalankan Intl.NumberFormat dan Intl.DateTimeFormat di Node 24.22.1 (ICU 78.3, CLDR 48) untuk 1234.5 dan 15 November 2026:
| Locale | Angka | Tanggal (panjang) | Arah |
|---|---|---|---|
| en-US | 1,234.5 | November 15, 2026 | ltr |
| ar-SA | ١٬٢٣٤٫٥ | ١٥ نوفمبر ٢٠٢٦ | rtl |
| ar-SA-u-nu-latn | 1,234.5 | 15 نوفمبر 2026 | rtl |
| ar-AE | 1,234.5 | 15 نوفمبر 2026 | rtl |
| es-ES | 1234,5 | 15 de noviembre de 2026 | ltr |
| es-MX | 1,234.5 | 15 de noviembre de 2026 | ltr |
Ada empat hal yang perlu diperhatikan. Locale Arab berbeda dalam digit: Saudi default-nya Arab-Indic, UEA memakai digit Barat, dan ekstensi -u-nu-latn (lihat numberingSystem di MDN) mengalihkan sebuah locale ke digit Barat. Bahasa Spanyol berbeda per wilayah: Spanyol memakai koma desimal dan, untuk angka empat digit, tanpa pemisah ribuan; Meksiko memakai titik. Nama bulan juga bervariasi di dunia Arab: ar-MA mencetak نونبر untuk November, sedangkan ar-SA mencetak نوفمبر. Dan browser membawa versi ICU masing-masing, jadi jalankan pemeriksaan yang sama di browser target Anda.
Bentuk jamak mengikuti aturan CLDR: Intl.PluralRules untuk ar mengembalikan enam kategori untuk 0, 1, 2, 3, 11, dan 100 (zero, one, two, few, many, other), sedangkan bahasa Inggris dan Spanyol hanya mengembalikan one dan other untuk angka-angka itu. Sisi string dari hal ini ada di artikel string aplikasi.
Pada input, terima kedua bentuk digit. Pengguna bisa mengetik ١٢٣٤ di kolom jumlah; normalkan ke digit ASCII sebelum parsing, dan sebelum mengirim angka ke model jika prompt Anda membandingkannya.
Bisakah bahasa setiap pesan dideteksi?
Sebagian. Membedakan aksara Arab dari aksara Latin itu mudah dan andal: hitung karakter di blok Unicode Arab. Membedakan Inggris dari Spanyol, atau membaca pesan yang sangat pendek, membutuhkan model terlatih. fastText menerbitkan dua model identifikasi bahasa untuk 176 bahasa (lid.176.bin, 126 MB, dan versi terkompresi lid.176.ftz, 917 kB).
Berikut modul pembantu kecil untuk keputusan-keputusan di atas. Detektornya sengaja dibuat sederhana, untuk menunjukkan di mana cara sederhana gagal.
// UI locale and content language are separate values. Never derive one from the other silently.
const RTL = new Set(['ar', 'he', 'fa', 'ur']);
/** Rough script-based guess: enough to pick a direction and a prompt, not a language-ID model. */
export function guessLanguage(text) {
const arabic = (text.match(/[-ۿݐ-ݿ]/g) || []).length;
const latin = (text.match(/[A-Za-zÀ-ÿ]/g) || []).length;
if (arabic + latin < 3) return 'und';
if (arabic / (arabic + latin) > 0.6) return 'ar';
if (arabic / (arabic + latin) > 0.2) return 'mixed';
return /[ñ¿¡áéíóú]|\b(el|la|los|las|de|que|por|para|está|dónde)\b/i.test(text) ? 'es' : 'en';
}
/** Wrap user or model text for display inside UI text of either direction (W3C: bdi / dir="auto"). */
export const isolate = (s) => `<bdi>${s.replace(/[&<>"]/g, (c) => ({ '&': '&', '<': '<', '>': '>', '"': '"' })[c])}</bdi>`;
/** Plain-text equivalent for places with no markup (notifications, CSV, SMS): FSI ... PDI. */
export const isolateText = (s) => `${s}`;
export function formatters(uiLocale) {
return {
dir: RTL.has(new Intl.Locale(uiLocale).language) ? 'rtl' : 'ltr',
number: new Intl.NumberFormat(uiLocale),
date: new Intl.DateTimeFormat(uiLocale, { dateStyle: 'long', timeZone: 'UTC' }),
plural: new Intl.PluralRules(uiLocale),
};
}
/** Normalise digits a user typed before parsing: Arabic-Indic and Persian to ASCII. */
export const toAsciiDigits = (s) =>
s.replace(/[٠-٩]/g, (d) => d.charCodeAt(0) - 0x0660).replace(/[۰-۹]/g, (d) => d.charCodeAt(0) - 0x06F0);
/** System prompt: the answer language comes from the content, or the user's explicit choice, not the UI. */
export function systemPrompt({ answerLanguage }) {
const name = { ar: 'Arabic', en: 'English', es: 'Spanish' }[answerLanguage] ?? 'the language of the user\'s message';
return `Answer in ${name}. Keep product names, code, URLs and numbers exactly as written.`;
}
Kami menjalankannya di Node 24. Modul ini melabeli وين طلبي؟ sebagai ar, “¿Dónde está mi pedido?” sebagai es, “Where is my order?” sebagai en, dan kalimat Arab yang berisi kode ORD-5521 sebagai ar. “ok” menghasilkan und, yang dengan benar jatuh ke “the language of the user’s message” (bahasa pesan pengguna) di prompt. Lalu “ana 3ayez a3raf el order fen”, bahasa Arab Mesir dalam huruf Latin (Arabizi), menghasilkan es, karena kata “el” terlihat seperti bahasa Spanyol. Itulah hasil jujur dari sebuah heuristik. Jika pengguna Anda menulis Arabizi, deteksi secara eksplisit dan perlakukan sebagai bahasa Arab, seperti di menangani Arabizi, dan biarkan pengguna mengoreksi bahasa jawaban dengan satu ketukan.
Pembantu digit mengubah ٢٠٢٦-١١-١٥ menjadi 2026-11-15, dan isolate() meng-escape HTML sebelum membungkus, sehingga nama perusahaan seperti Acme <Ltd> tidak bisa menyuntikkan markup.
Apa lagi yang berubah ketika bahasa berubah?
- Panjang teks. Teks antarmuka hasil terjemahan sering lebih panjang. W3C mengutip pedoman IBM yang memperkirakan string Inggris hingga 10 karakter tumbuh menjadi 200–300% panjangnya dalam bahasa-bahasa Eropa, dan string di atas 70 karakter menjadi sekitar 130%. Desain tombol dan label agar bisa terlipat, dan uji build bahasa Spanyol pada lebar sempit.
- Font. Pilih keluarga font yang punya desain Arab yang serasi, dan periksa tinggi baris bahasa Arab: harakat membutuhkan ruang di atas dan di bawah.
- Pencarian dan pencocokan. Teks Arab perlu dinormalkan sebelum dicocokkan (harakat, bentuk alif, tatweel). Normalizer teks Arab menunjukkan setiap aturannya.
- Ucapan. Pilih model transkripsi berdasarkan bahasa audionya, bukan antarmukanya. BroadNet mencantumkan satu model bahasa Arab dan satu model 14 bahasa yang mencakup Inggris, Spanyol, dan Arab; halaman model multibahasanya menyarankan memilih model Arab untuk audio berbahasa Arab. Artikel speech-to-text multibahasa membandingkan pilihannya.
- Dialek. “Bahasa Arab” bukan satu target. Pengguna di Riyadh, Kairo, dan Casablanca menulis dengan cara berbeda; dialek Teluk dan Mesir membahas apa yang perlu diuji.
Bagaimana mengevaluasi dan menganggarkan setiap bahasa?
Secara terpisah. Satu skor gabungan menyembunyikan bahasa yang lemah, dan satu anggaran gabungan menyembunyikan bahasa yang mahal.
Bangun set evaluasi kecil per bahasa dari pesan nyata, dengan penutur asli yang melabeli jawaban yang diharapkan. Periksa bahwa jawaban berada dalam bahasa yang diminta, bahwa nama, angka, dan kode tetap utuh, dan bahwa kualitas terjaga untuk setiap dialek yang Anda layani. Jalankan set yang sama saat Anda mengganti model atau prompt; metodenya ada di mengevaluasi LLM sebelum beralih.
Untuk biaya, jumlah token berbeda per bahasa dan tokenizer. Dalam dataset terukur BroadRouter, teks Arab Standar Modern yang sama membutuhkan 1.31× (Qwen3.8 27B) hingga 1.77× (GLM 5.3) jumlah token terjemahan bahasa Inggrisnya. Biaya nyata per bahasa mengubah jumlah itu menjadi uang per model, termasuk bahasa Spanyol, dan penghitung token Arab mengukur teks Anda sendiri. Catat token per permintaan beserta bahasa kontennya, sehingga Anda bisa melihat biaya per bahasa per pengguna, bukan hanya per bulan.
Terakhir, mintalah tinjauan penutur asli sebelum peluncuran. Terjemahan mesin maupun output model sama-sama bisa menghasilkan bahasa Arab dan Spanyol yang benar secara tata bahasa tetapi keliru untuk audiens Anda. Peninjau yang memakai produk dalam bahasanya sendiri akan menangkap apa yang tidak tertangkap oleh pengujian apa pun.
Di mana posisi BroadNet Inference?
BroadRouter adalah situs milik BroadNet sendiri. Model-model BroadNet Inference cukup cocok untuk produk berbahasa Arab, Inggris, dan Spanyol: BroadNet melaporkan telah menguji Qwen3.8 27B dalam bahasa Arab, termasuk pemahaman dialek Teluk dan Mesir; Gemma 4 VL 26B bisa dipakai dengan kredit awal $5; dan transkripsi mencakup bahasa Arab (BroadNet Transcribe Arabic, $0.0042 per menit) serta 14 bahasa termasuk Inggris dan Spanyol (BroadNet Transcribe, $0.002 per menit). Konten inferensi tidak disimpan; metadata akun, penagihan, dan keamanan yang diperlukan disimpan sebagaimana dijelaskan dalam pernyataan privasi BroadNet. Semua yang dibahas di artikel ini tentang tata letak, arah, pemformatan, dan deteksi adalah tugas aplikasi Anda, API apa pun yang Anda gunakan.
