BroadRouter
Inizia

Dialetti arabi e speech-to-text: Golfo, Egitto, Levante, Maghreb

A cura del team di BroadNet Inference · 5 min di lettura · Pubblicato · Aggiornato

I dialetti arabi differiscono dall’arabo standard moderno per suoni, parole e grafia, e chi parla mescola inglese o francese: per questo i modelli ASR addestrati soprattutto sull’arabo formale vanno molto peggio. Per testare un fornitore, crea un test set per dialetto con il tuo audio reale, fissa una convenzione di grafia e misura WER, CER e accuratezza sulle entità per ogni dialetto.

Lo speech-to-text fatica con i dialetti arabi perché differiscono dall’arabo standard moderno (MSA) per suoni, parole e grafia, e chi parla mescola inglese o francese. Per sapere come se la caverà un fornitore, crea un piccolo test set per dialetto con il tuo audio reale e valuta ogni dialetto separatamente.

Una chiamata da Riad, un vocale dal Cairo e una chiamata all’assistenza da Casablanca sono tutti “arabo”, e lo stesso modello può gestire bene il primo e male il terzo.

Questo articolo spiega cosa rende difficile ogni grande gruppo di dialetti per il riconoscimento vocale e come costruire un test che mostri come se la caverà un fornitore sui tuoi dialetti. Per la checklist d’acquisto più ampia (prezzo, limiti, privacy), vedi la guida all’acquisto di uno speech-to-text per l’arabo.

Perché i dialetti arabi sono difficili per il riconoscimento vocale?

Si sommano quattro problemi:

  1. Suoni diversi. La stessa lettera si pronuncia in modo diverso a seconda della regione, quindi il modello acustico deve ricondurre più suoni a una sola grafia.
  2. Parole diverse. Le parole di tutti i giorni cambiano da dialetto a dialetto. Un modello addestrato soprattutto sull’MSA può “correggere” una parola dialettale nel suo equivalente formale, e se il tuo riferimento è alla lettera conta come errore.
  3. Nessuna grafia standard. I dialetti si scrivono in modo informale, quindi anche due trascrittori umani non sono d’accordo. Anche i dati di addestramento sono squilibrati: uno studio del 2024 sulla copertura dialettale osserva che i sistemi ASR esistenti «mainly cover the modern standard Arabic (MSA) variety and few high-resource dialects» (traduzione: coprono soprattutto la varietà standard moderna dell’arabo e pochi dialetti con molte risorse) (arXiv 2411.05872).
  4. Code-switching. Chi parla passa all’inglese o al francese a metà frase. Il dataset Casablanca, che copre otto dialetti, annota il code-switching insieme a dialetto e genere.

L’articolo sull’Open Universal Arabic ASR Leaderboard (Interspeech 2025) valuta i modelli open source su diversi test set multidialettali proprio per questo motivo: un unico punteggio per “l’arabo” nasconde la dispersione.

Come mette in difficoltà il riconoscimento vocale ciascun dialetto arabo?

Gruppo di dialetti Dove Punti critici tipici per l’ASR
Golfo (khaleeji) Arabia Saudita, EAU, Kuwait, Qatar, Bahrein, Oman Nomi di prodotti, numeri e marchi in inglese mescolati; pronuncia regionale di qaf e kaf
Egiziano Egitto Jeem pronunciata come g dura; qaf spesso resa come colpo di glottide; molto presente nei media, quindi i modelli di solito ne vedono di più
Levantino Siria, Libano, Giordania, Palestina Qaf urbana resa come colpo di glottide; francese o inglese mescolati, soprattutto in Libano
Maghrebino (darija) Marocco, Algeria, Tunisia, Libia Il più lontano dall’MSA; vocali brevi cadute; forte code-switching con il francese; prestiti amazigh
Iracheno Iraq Lessico e pronuncia propri; meno audio pubblico per l’addestramento

Sono tendenze, non regole. Dentro ogni gruppo il parlato urbano e quello rurale differiscono, e i più giovani fanno più code-switching. Il punto è che ogni gruppo sbaglia a modo suo, quindi va valutato per conto suo.

Come si costruisce un test set per i dialetti arabi?

1. Campiona audio reale per dialetto

Prendi da 30 a 50 clip per dialetto dal canale che userai in produzione: telefonate, vocali WhatsApp, registrazioni di riunioni. L’audio telefonico a 8 kHz si comporta diversamente dall’audio da studio. Etichetta ogni clip con il dialetto e segna quelle che contengono inglese o francese.

2. Concorda prima una convenzione di grafia

Prima che qualcuno scriva un riferimento, decidi:

  • dialetto alla lettera (scrivi ciò che è stato detto, con grafia dialettale), oppure
  • normalizzato (riconduci tutto a una forma coerente).

Metti la scelta per iscritto, con esempi. Se i riferimenti sono alla lettera e il modello restituisce parole simili all’MSA, il WER sembrerà pessimo anche quando il significato è giusto. Nessuna delle due scelte è sbagliata: deve corrispondere a ciò che serve al sistema a valle.

3. Scrivi i riferimenti per 10 clip per dialetto

Falle trascrivere da madrelingua di quel dialetto. Per le clip con code-switching, decidi se le parole inglesi restano in caratteri latini e applica la regola ovunque.

4. Normalizza entrambi i lati, poi misura

Togli i segni diacritici, unifica le forme di alef (إ أ آ in ا) e la yaa finale (ى in ي), elimina la punteggiatura e converti le cifre arabo-orientali in cifre occidentali. Poi calcola:

Metrica Perché
WER per dialetto La misura standard; severa su clitici e prefissi
CER per dialetto Più tollerante con le varianti di grafia
Accuratezza sulle entità Quota di numeri, date e nomi trascritti esattamente
WER del gruppo con code-switching Mostra se le parole inglesi o francesi sopravvivono

Il pacchetto jiwer calcola WER e CER; Il WER per l’arabo spiegato contiene una funzione di normalizzazione riutilizzabile e un esempio pratico di quanto cambia il punteggio.

5. Leggi le trascrizioni

Sono i numeri a decidere se un flusso di call center o bancario funziona. Leggi 20 trascrizioni per dialetto e controlla a mano ogni numero, data e nome.

Cosa dicono i valori di WER pubblicati per l’arabo?

I benchmark pubblici danno una direzione, non una promessa. BroadNet pubblica tre valori di WER per BroadNet Transcribe Arabic nel suo catalogo modelli: 3,8 su FLEURS-ar (parlato letto pulito), 21,1 su MASC-ar (parlato reale misto) e 23,4 sul proprio set dialettale. Per lo stesso modello è un salto di sei volte tra parlato letto e parlato dialettale, ed è per questo che si testa sui propri dialetti.

Quando confronti i fornitori, confrontali sullo stesso test set. Una classifica come l’Open Universal Arabic ASR Leaderboard è utile perché ogni modello viene valutato allo stesso modo. Il numero di un fornitore sul proprio set non è confrontabile con quello di un altro fornitore.

Quale LLM dovrebbe leggere le trascrizioni in dialetto?

Di solito le trascrizioni finiscono a un LLM: per riassumere una chiamata, smistare un ticket o rispondere a una domanda. Anche quel modello deve saper leggere il dialetto. La nostra guida alla scelta di un LLM per l’arabo spiega come testarlo, e Qwen3.8 27B è il modello che BroadNet ha testato sui dialetti del Golfo ed egiziano.

Dove si colloca BroadNet Inference

BroadNet Transcribe Arabic è pensato per l’arabo, dialetti compresi, costa $0.0042 al minuto ($0.25 all’ora), e BroadNet riporta che si piazza #2 su 37 (dato di settembre 2026; la classifica in tempo reale lo indicava #4 su 39 il 15 novembre 2026) nell’Open Universal Arabic ASR Leaderboard, e al n. 1 tra i modelli la cui licenza consente di servirli tramite API. Per numeri, date e nomi in audio rumoroso, BroadNet offre una versione con fine-tuning su richiesta. Il credito iniziale di $5 copre circa 1,190 minuti, abbastanza per l’intero test descritto sopra; il calcolatore dei costi speech-to-text trasforma il tuo volume di produzione in una bolletta mensile. Crea una chiave per iniziare.

BroadNet non pubblica valori di WER separati per ogni gruppo di dialetti. È proprio per questo che dovresti fare questo test: il valore sul suo set dialettale è un solo numero, e i tuoi clienti parlano uno o due dialetti, non tutti.

Domande frequenti

Qual è il dialetto arabo più difficile per il riconoscimento vocale?

Non esiste una classifica universale: dipende dai dati di addestramento del modello. I dialetti maghrebini, come il marocchino e l’algerino, sono spesso difficili perché sono i più lontani dall’arabo standard moderno e mescolano il francese. Testa il tuo dialetto invece di affidarti a una classifica generale.

Lo speech-to-text capisce l’arabo egiziano?

Spesso meglio dei dialetti più rari, perché l’egiziano è molto diffuso nei media, ma aspettati un’accuratezza più bassa che sull’arabo formale. Misurala sulle tue registrazioni.

Per l’arabo conviene usare il WER o il CER?

Usali entrambi. Il WER conta parole intere, quindi un prefisso o un clitico sbagliato rende sbagliata tutta la parola. Il CER conta i caratteri ed è più tollerante con le varianti di grafia, il che conta per dialetti senza una grafia standard.

Quante clip audio servono per testare un fornitore ASR per l’arabo?

Circa da 30 a 50 clip reali per dialetto, di cui almeno 10 per dialetto trascritte a mano come riferimento. Bastano per vedere le grandi differenze tra fornitori.

Il codice lingua conta per i dialetti arabi?

Invia language=ar. Nella maggior parte delle API i dialetti condividono il codice ar. Senza, alcuni modelli restituiscono il parlato arabo traslitterato in caratteri latini.

Leggi in MarkdownChiedi a ChatGPTChiedi a ClaudeChiedi a Perplexity