BroadRouter

Arabizi

Aggiornato

L’Arabizi è arabo scritto in modo informale con lettere latine, usando cifre per i suoni arabi senza equivalente latino, come 3 per ع. È diffuso in chat e sui social, è per lo più dialettale, non ha un’ortografia standard e spesso si mescola con inglese o francese.

Detto anche: arabo in lettere latine, arabo traslitterato, franco-arabo, Franco-Arabic, Franco-Arab, Arabish, Arabic chat alphabet, Franco Arabic

L’Arabizi è il modo in cui molti arabofoni scrivono al telefono: parole arabe, tastiera latina, qualche cifra per i suoni che mancano.

Come funziona

Darwish (2014) descrive l’Arabizi, chiamato anche Arabish o franco-arabo, come arabo in forma latina traslitterata che usa numeri per le lettere che all’inglese mancano: “2” e “3” stanno per il suono della hamza e per ع. È nato perché vecchi browser e telefoni non riuscivano a mostrare la scrittura araba. Sopravvive perché la gente ci è abituata e scrive più in fretta su una tastiera inglese.

Tre caratteristiche lo rendono difficile per il software:

  • Nessuna ortografia standard. Shazal, Usman e Habash (2020) osservano che l’Arabizi dei social è arabo dialettale, che non ha un’ortografia standard, e che la corrispondenza con la scrittura araba non è uno a uno.
  • Mescolato con inglese o francese. Un messaggio come w aletli Tuesday (“e mi ha detto martedì”) mescola le due lingue, ed è code-switching.
  • Prima il rilevamento. Il software deve decidere quali parole sono Arabizi prima di convertirle. Darwish riporta il 98,5% di accuratezza nel rilevamento e l’88,7% nella conversione con una pipeline classica; il modello sequence-to-sequence del 2020 arriva all’80,6% di accuratezza per parola su un test set cieco per il compito congiunto.

Con le API LLM, l’Arabizi si comporta anche diversamente dalla scrittura araba nel tokenizer, perché è testo latino scritto in modi che il vocabolario ha visto di rado.

Perché è importante

Se gestisci un chatbot, una ricerca o un sistema di analisi nel Golfo, in Egitto o nel Levante, una parte dei tuoi utenti scriverà in Arabizi. Ricerca per parole chiave, regole di intent e strumenti di sentiment pensati per la scrittura araba perderanno quei messaggi. Una soluzione comune è chiedere a un LLM di convertire l’Arabizi in caratteri arabi, indicando il dialetto, prima dell’instradamento o dell’indicizzazione, e conservare il testo originale. La guida alla gestione dell’Arabizi illustra prompt e scelte sulla scrittura della risposta.

Su BroadNet Inference

BroadNet non ha funzioni specifiche per l’Arabizi; i modelli di chat lo ricevono come testo normale. BroadNet riferisce di aver testato Qwen3.8 27B in arabo, con i dialetti del Golfo ed egiziano compresi, il che è un punto di partenza per le prove sull’Arabizi. Vedi dialetti del Golfo ed egiziano con gli LLM.

La voce è un caso a parte. La documentazione di BroadNet avverte che senza language l’audio arabo può essere traslitterato in lettere latine. Quell’output sembra Arabizi, ma dipende dalla richiesta, non da chi parla. Invia language=ar a BroadNet Transcribe Arabic.

Domande frequenti

Perché l’Arabizi usa i numeri?

L’arabo ha suoni e lettere senza equivalente latino, quindi chi scrive prende in prestito cifre che somigliano alla lettera araba. Darwish (2014) cita come esempi 2 per il suono della hamza e 3 per ع.

Gli LLM sanno leggere l’Arabizi?

Spesso sì, ma l’ortografia varia così tanto che i risultati sono discontinui, e la conversione in caratteri arabi può cambiare da un’esecuzione all’altra. Fai prove con messaggi reali dei tuoi utenti e indica il dialetto nel prompt.

La mia trascrizione araba è tornata in lettere latine. È Arabizi?

No. È il modello vocale che traslittera perché la richiesta non diceva che l’audio era in arabo. Su BroadNet, invia language=ar.

Leggi in MarkdownChiedi a ChatGPTChiedi a ClaudeChiedi a Perplexity