LLM으로 아랍어와 영어 사이를 번역하려면 모델에게 방향, 독자, 문체를 알려 주고, 고정 용어집을 주고, 숫자와 이름은 그대로 두게 하고, 문단 크기로 나눠 보내세요. 그런 다음 숫자와 부정은 코드로 확인하고, chrF, COMET, 원어민 검토자로 채점하세요.
이런 통제가 아랍어에서 중요한 이유는, 직역이 틀리지 않았는데도 외국어처럼 읽힐 수 있기 때문입니다.
아랍어–영어 번역은 왜 LLM에게 까다로운가요?
- 문체. 격식 아랍어(현대 표준 아랍어, فصحى)와 일상 구어는 차이가 큽니다. 영어로는 캐주얼한 마케팅 문구가 MSA로 직역하면 딱딱하거나 우스꽝스러워질 수 있습니다.
- 어순과 길이. 아랍어 문장은 동사로 시작하는 경우가 많고, 아랍어 텍스트는 영어와 길이가 다른 경우가 많습니다. 영어에서는 들어맞던 UI 문자열이 줄바꿈되거나 넘칠 수 있습니다.
- 성과 수. 아랍어는 동사, 형용사, 대명사에 성을 표시하고 쌍수가 있습니다. 영어의 “you”는 أنتَ, أنتِ, أنتما, أنتم, أنتنّ 중 하나가 되어야 합니다. 독자를 모른다면 어떤 기본값을 쓸지 모델에게 알려 주세요.
- 이름과 음역. “محمد”는 영어 철자가 여럿입니다(Mohammed, Muhammad, Mohamed). 사람마다 하나를 정해 유지하세요.
- 숫자와 날짜. 동아랍 숫자, 히즈라력 날짜, 오른쪽에서 왼쪽 서식에는 모두 명시적인 규칙이 필요합니다.
좋은 아랍어 번역을 얻는 프롬프트는?
번역 품질은 교묘한 표현보다 지시 내용에 훨씬 크게 좌우됩니다. 모델에게 방향, 독자, 문체, 용어집, 출력 형식을 알려 주세요.
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
아랍어 → 영어라면 방향을 뒤집고, 영어 독자에게 필요한 것을 더하세요. “American English, plain style, keep Arabic personal names in the spelling given in the glossary”(번역: 미국 영어, 평이한 문체, 아랍어 인명은 용어집에 정한 철자로 유지)처럼요. 원문이 방언일 수 있다면 그렇게 밝히세요. “The source may be Gulf or Egyptian Arabic; translate the meaning, not word for word.”(번역: 원문은 걸프나 이집트 아랍어일 수 있습니다. 단어 그대로가 아니라 의미를 번역하세요.)
용어집은 왜 그렇게 중요한가요?
용어집이 없으면 모델은 “refund”를 한 문단에서는 استرجاع로, 다음 문단에서는 استرداد로 번역할 수 있습니다. 둘 다 괜찮은 아랍어지만, 함께 쓰이면 엉성해 보이고 검색도 깨집니다. 용어집이 이를 바로잡습니다.
- 기존 번역에서 시작하세요. 이미 두 언어로 갖고 있는 헬프 센터, 계약서, UI 문자열에서 용어를 뽑으세요.
- 짧게 유지하세요. 50~200개면 대부분의 제품을 다룹니다. 바뀌면 안 되는 용어만 넣으세요.
- 번역 금지 항목을 넣으세요. 브랜드명, 제품명, 플랜 이름, 코드 식별자입니다.
- 시스템 프롬프트에, 텍스트보다 앞에 두세요. 그러면 캐시 가능한 접두부에 들어가 반복 호출의 입력 비용도 낮아집니다. 캐시된 입력 토큰을 참고하세요.
- 코드로 확인하세요. 번역 후, 원문에 나온 용어집 용어가 번역문에 정해진 형태로 들어 있는지 검증하세요.
긴 문서는 어떻게 나눠야 하나요?
문장 단위가 아니라 문단이나 섹션 단위로 번역하세요. 문장 단위 호출은 문맥을 잃습니다(“그”가 누구인지, “그것”이 어느 제품인지). 문서 전체를 한 번에 보내는 호출은 긴 컨텍스트 모델에서 통하지만, 실수 하나를 찾아 재시도하기가 더 어렵습니다. 수백 단어 정도의 섹션이 적당한 균형입니다. 일관성이 중요하다면 이전 섹션의 번역을 문맥으로 함께 넘기세요.
Qwen3.8 27B의 컨텍스트는 262,144토큰이고, DeepSeek V4.1 Flash와 GLM 5.3은 최대 1,048,576토큰을 받으므로, 번역할 텍스트와 함께 긴 참고 문서를 넣기에 충분합니다.
위험한 오류는 어떻게 잡나요?
유창한 출력은 실수를 가립니다. 다음은 자동으로 확인하세요.
- 숫자: 원문과 번역문에서 (동아랍 숫자를 변환한 뒤) 모든 숫자를 뽑아 집합을 비교합니다.
- 부정: “not”(لا, لم, لن, ليس, ما)이 빠지면 의미가 뒤집힙니다. 원문에는 부정이 있는데 번역문에는 없는 문장을 표시하세요.
- 이름과 용어집 용어: 바뀌지 않고 남았는지 검증합니다.
- 길이 비율: 예상보다 훨씬 짧은 번역문은 대개 무언가를 건너뛰었다는 뜻입니다.
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
소수점 구분 기호는 로캘마다 다를 수 있으므로(아랍어 텍스트는 때로 ٫를 씁니다), 문서에서 쓴다면 이것도 정규화하세요.
번역 품질은 어떻게 평가하나요?
자동 지표는 프롬프트나 모델을 바꿨을 때 평균적으로 나아졌는지 나빠졌는지를 알려 줍니다.
| 지표 | 측정 대상 | 아랍어에 대한 메모 |
|---|---|---|
| BLEU | 참조 번역과의 단어 n-gram 겹침 | 접어와 철자 변형이 단어 형태를 바꾸는 아랍어에 가혹함 |
| chrF | 문자 n-gram 겹침 | 아랍어 형태론에 더 관대함. 더 나은 기본값 |
| COMET | 신경망 모델의 품질 판단 | 사람 평가와 상관관계가 더 높음. GPU나 호스팅된 채점기가 필요 |
공개 벤치마크로는 No Language Left Behind 프로젝트가 쓴 FLORES-200이 있습니다. 언어 목록에 따르면 영어와 함께 현대 표준 아랍어, 그리고 이집트, 나즈드, 북부·남부 레반트, 메소포타미아, 모로코, 튀니지, 타이즈-아덴 아랍어가 들어 있습니다. 하지만 진짜 테스트는 내 콘텐츠입니다.
- 전문 번역이 이미 있는 대표 구간 100~200개를 고르세요.
- 모델과 프롬프트 버전마다 번역하세요.
- 모든 시스템에 같은 방식으로 아랍어 철자를 정규화한 뒤 chrF(가능하면 COMET도)를 채점하세요.
- 원어민에게 어느 시스템이 만든 것인지 모르게 한 채, 시스템마다 30개 구간의 정확성과 자연스러움을 평가하게 하세요.
- 위의 위험한 오류 검사는 별도 개수로 추적하세요.
어떤 모델을 쓰고, 비용은 얼마나 드나요?
BroadNet은 자체 테스트에서 Qwen3.8 27B가 아랍어와 영어 사이를 정확하게 번역하고, 유창한 아랍어를 쓰고, 걸프와 이집트 방언을 이해했다고 보고합니다. 그래서 BroadNet Inference에서는 자연스러운 첫 후보입니다. DeepSeek V4.1 Flash도 테스트해 볼 만합니다. 출력 토큰이 더 저렴하고, 무제한 정액 플랜에 쓰이는 모델입니다. DeepSeek V4.1 Flash와 Qwen3.8 27B 비교에서 둘을 나란히 볼 수 있습니다.
100만 토큰당:
| 모델 | 입력 | 출력 |
|---|---|---|
| Qwen3.8 27B | $0.175 | $2.17 |
| DeepSeek V4.1 Flash | $0.175 | $0.52 |
| GLM 5.3 | $0.78 | $3.46 |
번역 출력은 입력과 길이가 비슷하고, 세 모델 모두 답하기 전에 추론하므로 청구액은 대개 출력 토큰이 좌우합니다. 아랍어는 또한 영어보다 단어당 토큰이 많이 드는 편입니다. 아랍어와 영어의 단어당 토큰 수를 참고하세요. 샘플을 무료 아랍어 토큰 카운터에 붙여 넣고, 실제 요청의 usage로 확인한 뒤, LLM API 비용 계산기로 월 지출을 추정하세요. DeepSeek V4.1 Flash로 대규모 일회성 현지화 프로젝트를 한다면, 주 $15 의 주간 플랜이 토큰 계량을 완전히 없애 줍니다.
계약서와 티켓을 API로 보내도 되나요?
계약서, 의료 서신, 지원 티켓에는 개인정보가 담긴 경우가 많습니다. BroadNet Inference는 요청이 끝난 뒤 프롬프트와 출력을 보관하지 않습니다. 데이터 무보관(ZDR)을 참고하세요. 번역 메모리와 로그도 같은 규칙을 따르는지 확인하세요.
