LLM으로 아랍어 텍스트를 요약하는 데는 요청 하나면 됩니다. 하지만 서비스에 내보낼 수 있는 요약을 얻으려면 요청이 대신 내려 주지 않는 세 가지 결정이 필요합니다. 어떤 문체로 쓸지, 요약이 얼마나 길어야 하는지, 그리고 맞는지 어떻게 알 수 있는지입니다. 이 글은 기사, 보고서, 티켓, 긴 메시지 스레드 같은 글로 된 텍스트를 다룹니다. 말로 진행된 회의라면 아랍어 회의록 파이프라인이 전사 단계와 구간별 병합을 더해 줍니다.
아랍어 요약 프롬프트에는 무엇을 써야 하나요?
결과의 대부분은 다섯 줄이 좌우합니다.
- 언어와 문체. “현대 표준 아랍어”(الفصحى) 또는 특정 방언을 지정하세요. 지정하지 않으면 이집트나 걸프 방언 입력을 요약하는 모델이 둘을 섞어 답할 수 있습니다.
- 단어 수 범위. “40~60단어”. 정확한 숫자보다 범위가 맞추기 쉽습니다.
- 사실은 적힌 그대로. 숫자, 날짜, 이름은 반올림하거나 변환하지 말고 원문에서 그대로 옮기게 하세요.
- 새 내용 금지. 원문에 없는 배경 설명은 넣지 않게 하세요.
- 형태. 문단 하나, 글머리 기호 세 개, 또는 고정 필드가 있는 JSON.
지시문은 아랍어로 써도 영어로 써도 됩니다. 어느 쪽이든 출력 언어와 문체는 명시하세요. 문체, 숫자 표기, 여러 문자가 섞인 텍스트는 아랍어 프롬프트 엔지니어링에서 더 자세히 다룹니다. 아래 코드에서 쓰는 프롬프트는 다음과 같습니다.
لخّص النص التالي بالعربية الفصحى في {lo} إلى {hi} كلمة.
- اذكر الأرقام والتواريخ والأسماء كما وردت في النص فقط.
- لا تضف معلومات غير موجودة في النص.
- اكتب فقرة واحدة دون عناوين أو نقاط.
방언 텍스트는 어떻게 요약하나요?
아랍어 비즈니스 텍스트는 대부분 MSA가 아닙니다. 고객 리뷰, WhatsApp 스레드, 소셜 게시물은 방언으로 쓰이고, 영어나 아라비지가 섞이는 경우도 많습니다. 다음 세 가지가 도움이 됩니다.
- 기본은 MSA로 요약하세요. 지역에 상관없이 중립적이고 검색하기도 쉽습니다. 요약을 같은 고객에게 다시 보낸다면 그 고객의 방언에 맞추세요.
- 핵심 인용은 그대로 남기세요. 불만처럼 어조가 중요할 때는 원래 표현 그대로 짧은 인용 하나를 요청하세요. 방언을 MSA로 바꿔 쓰면 어조가 누그러질 수 있습니다.
- 내 방언으로 테스트하세요. 방언 이해도는 모델마다 다릅니다. LLM이 걸프와 이집트 아랍어를 어떻게 처리하는지를 참고하세요.
공개 데이터가 이 테스트를 대신해 주지는 않습니다. 대규모 아랍어 요약 데이터셋은 MSA 뉴스이고, 저희는 소개할 만한 공개 걸프 또는 이집트 방언 요약 벤치마크를 찾지 못했습니다.
요약 길이는 어떻게 조절하나요?
단어로 요청하고 단어로 측정하세요. 모델이 스스로 센 숫자를 믿지 말고, 토큰 예산을 단위로 쓰지도 마세요. 아랍어 단어당 토큰 수는 모델마다 다릅니다. 저희가 공식 Qwen3.8 27B 토크나이저로 측정해 보니 96단어짜리 아랍어 뉴스 문단은 166토큰, 그 58단어 요약은 114토큰이었습니다. 아랍어 토큰 계산기의 토크나이저 파일로 BroadNet 채팅 모델 4개의 토크나이저를 써서 세어 보면, 같은 문단이 166~224토큰으로 나왔습니다. 더 큰 규모의 측정은 아랍어 단어당 토큰 수에 있습니다.
대부분의 용도에서는 공백으로 나누는 것이 올바른 세기 방법입니다. 독자가 보는 단위가 바로 그것이기 때문입니다. 아랍어는 و, ب, ل, ال을 단어에 붙여 쓰므로, 50단어짜리 아랍어 요약에는 영어 50단어보다 많은 내용이 들어갑니다. 범위는 영어 목표치가 아니라 마음에 드는 아랍어 예시를 보고 정하세요.
길이에 관한 규칙이 두 가지 더 있습니다.
max_tokens는 길이 조절 수단이 아닙니다. 응답을 문장 중간에서 잘라 버립니다. 요약 크기보다 넉넉하게 크게 설정하세요. 추론 모델이라면 특히 그렇습니다. BroadNet 문서에 따르면 DeepSeek V4.1 Flash, GLM 5.3, Qwen3.8 27B는 답하기 전에 추론하고, 그 추론도max_tokens에 포함됩니다. 추론 모델의 빈 응답을 참고하세요.- 숫자를 넣어 한 번 재시도하세요. “요약이 17단어입니다. 40~60단어를 요청했습니다”라고 말하는 편이 지시를 반복하는 것보다 더 잘 고쳐집니다.
지어낸 세부 정보는 어떻게 잡아내나요?
생성형(abstractive) 요약기는 없는 내용을 지어냅니다. Maynez et al.(ACL 2020)은 주석자들이 검토한 모든 모델 요약에서 “substantial amounts of hallucinated content”(번역: 상당한 양의 환각 내용)를 발견했습니다. 지금의 LLM 이전 연구이지만, 여기서 자유로운 모델은 없습니다. 의미를 코드로 싸게 확인할 수는 없어도 숫자는 확인할 수 있습니다. 요약에 나오는 모든 숫자는 원문에 있어야 합니다. 먼저 동아랍 숫자(٠–٩)와 페르시아 숫자(۰–۹)를 0–9로 바꾸세요. 그러지 않으면 ١٢와 12가 다르게 보입니다.
import os, re
from openai import OpenAI
client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
PROMPT = """لخّص النص التالي بالعربية الفصحى في {lo} إلى {hi} كلمة.
- اذكر الأرقام والتواريخ والأسماء كما وردت في النص فقط.
- لا تضف معلومات غير موجودة في النص.
- اكتب فقرة واحدة دون عناوين أو نقاط.
النص:
{text}"""
DIGITS = str.maketrans("٠١٢٣٤٥٦٧٨٩۰۱۲۳۴۵۶۷۸۹", "01234567890123456789")
def numbers(s: str) -> set[str]:
return set(re.findall(r"\d+(?:[.,٫]\d+)?", s.translate(DIGITS)))
def words(s: str) -> int:
return len(s.split()) # clitics (و، ال، ب) stay attached: count what readers see
def check(source: str, summary: str, lo: int, hi: int) -> list[str]:
issues = []
n = words(summary)
if not lo <= n <= hi:
issues.append(f"الطول {n} كلمة، والمطلوب من {lo} إلى {hi}.")
extra = numbers(summary) - numbers(source)
if extra:
issues.append("أرقام غير موجودة في النص: " + "، ".join(sorted(extra)))
return issues
def summarize(text: str, lo=40, hi=60, model="broadnet/qwen3.8-27b", attempts=2) -> dict:
messages = [{"role": "user", "content": PROMPT.format(lo=lo, hi=hi, text=text)}]
for i in range(attempts):
r = client.chat.completions.create(model=model, messages=messages, max_tokens=2000)
summary = (r.choices[0].message.content or "").strip()
issues = check(text, summary, lo, hi)
if not issues:
return {"summary": summary, "attempts": i + 1, "issues": []}
messages += [{"role": "assistant", "content": summary},
{"role": "user", "content": "صحّح الملخص: " + " ".join(issues)}]
return {"summary": summary, "attempts": attempts, "issues": issues} # send to review
저희는 시내버스 계획에 관한 96단어짜리 합성 기사로 로컬 모의 서버에서 이 코드를 테스트했습니다(실제 API 호출 없음). 모의 서버의 첫 응답은 17단어였고, 기사에는 ٢٤٠대라고 되어 있는데 ٣٠٠대라고 썼습니다. check는 두 문제를 모두 돌려주었습니다. 측정한 길이와 “원문에 없는 숫자: 300”입니다. 수정된 두 번째 응답은 58단어로 통과했고, 함수는 그것을 attempts: 2와 함께 반환했습니다.
숫자 검사가 놓치는 것도 있습니다. 틀린 이름, 뒤집힌 결정, 숫자가 없는 주장 같은 것입니다. 이 검사는 판정이 아니라 필터입니다. 이름은 아랍어 개체명 추출의 스팬 검사를 재사용하세요. 요약에서 개체를 추출하고 각 개체가 원문에 있는지 확인하는 방식입니다.
긴 아랍어 문서는 어떻게 요약하나요?
텍스트가 컨텍스트 창에 여유 있게 들어간다면 통째로 보내세요. Qwen3.8 27B는 요청당 262,144토큰, GLM 5.3은 1,048,576토큰을 받으며, 이는 프롬프트와 답변을 합친 수치입니다. Gemma 4 VL 26B는 32,768토큰을 받습니다. 다만 긴 입력에는 알려진 약점이 있습니다. 모델은 긴 컨텍스트의 중간에 있는 사실을 덜 안정적으로 활용합니다(lost in the middle). 긴 보고서라면 섹션마다 요약한 뒤 그 요약들을 다시 요약하고, 최종 프롬프트에 섹션 제목을 남기세요. 회의록 글에서 병합 단계를 코드로 보여 줍니다. 대신 검색을 써야 할 때는 긴 컨텍스트 vs RAG에서 다룹니다.
아랍어 요약은 어떻게 평가하나요?
세 겹으로 평가하세요. 회귀를 잡는 자동 중복 점수, 두 번째 의견을 주는 의미 기반 점수, 그리고 결정을 내리는 사람입니다.
ROUGE는 올바른 토크나이저와 함께. Google의 rouge-score 패키지(2026년 11월 16일 기준 여전히 PyPI의 현재 릴리스인 0.1.2 버전)는 텍스트를 소문자로 바꾸고 a–z와 0–9 이외의 모든 문자를 공백으로 바꿉니다. 아랍어가 사라집니다. 직접 확인해 봤습니다.
import re
from rouge_score import rouge_scorer
ref = "أعلنت البلدية خطة لتوسعة النقل العام تضيف ١٢ خطاً للحافلات"
hyp = "البلدية تعلن خطة توسعة للنقل العام بإضافة ١٢ خطا للحافلات"
print(rouge_scorer.RougeScorer(["rouge1"]).score(ref, hyp)["rouge1"].fmeasure) # 0.0
class ArabicTokenizer:
"""Whitespace tokens, no diacritics, unified alef, optional light prefix stripping."""
def __init__(self, strip_prefixes=False):
self.strip = strip_prefixes
def tokenize(self, text):
text = re.sub(r"[ً-ٰٟـ]", "", text)
text = re.sub("[إأآ]", "ا", text).replace("ى", "ي").replace("ة", "ه")
toks = re.findall(r"\w+", text)
if self.strip: # crude: drop و/ب/ل/ال prefixes on longer words
toks = [re.sub(r"^(وال|بال|لل|ال|و|ب|ل)(?=\w{3,})", "", t) for t in toks]
return toks
for strip in (False, True):
s = rouge_scorer.RougeScorer(["rouge1"], tokenizer=ArabicTokenizer(strip))
print(strip, round(s.score(ref, hyp)["rouge1"].fmeasure, 3)) # False 0.6, True 0.8
같은 두 문장이 토큰화 방법에 따라서만 0, 0.6, 0.8점을 받습니다. 이것이 진짜 교훈입니다. 아랍어 형태론(للنقل 대 النقل, بإضافة 대 تضيف)은 ROUGE를 크게 흔들기 때문에, 토크나이저를 밝히지 않은 점수는 의미가 없습니다. XL-Sum 저자들은 아랍어를 포함한 언어별 어간 처리를 적용한 다국어 ROUGE 포크를 공개하고 있습니다. 이 포크나 직접 만든 토크나이저를 쓰고, 비교하는 모든 실행에서 같은 것을 유지하세요.
BERTScore는 임베딩으로 의미를 비교하므로 바꿔 쓴 표현도 허용합니다. 영어와 중국어 외 언어의 기본 모델은 bert-base-multilingual-cased입니다. 직접 읽는 것을 대신하는 것이 아니라 두 번째 신호로 쓰세요.
사람과 채점 기준. 아랍어를 읽는 사람이 요약 50~100개를 세 가지 질문으로 채점하게 하세요. 중요한 내용이 빠졌는가, 원문에 없는 내용이 들어갔는가, 문체가 맞는가. 샘플에서 점수가 사람과 일치한다는 것이 확인되면 LLM 심사자로 대량을 미리 걸러낼 수 있습니다. 이런 세트를 만드는 방법은 모델을 바꾸기 전에 LLM 평가하기에서 다룹니다.
공개 참고 데이터는 다음과 같습니다.
| 데이터셋 | 내용 | 메모 |
|---|---|---|
| XL-Sum 아랍어 | BBC 아랍어 기사와 요약 쌍 46,897개(37,519 / 4,689 / 4,689) | CC BY-NC-SA 4.0: 비상업적 연구 전용 |
| EASC | 기사 153개, 기사마다 사람이 만든 추출 요약 5개 | 작음. 위키백과와 신문 두 곳 |
| LANS | 아랍 신문 22곳의 1999~2019년 기사 840만 개와 요약 | 요약은 사이트 메타데이터에서 가져옴 |
세 가지 모두 MSA 뉴스입니다. 여러분의 지원 티켓과 보고서는 그렇지 않으므로, 직접 가진 텍스트를 사람이 요약한 샘플이야말로 의미 있는 테스트입니다.
어떤 BroadNet 모델을 써야 하고, 비용은 얼마인가요?
파일럿에는 Gemma 4 VL 26B가 $5 초기 크레딧으로 돌아가며, 가격은 100만 토큰당 입력 $0.10, 출력 $0.22입니다. 32,768토큰 창이면 대부분의 기사 한 편이 들어갑니다. BroadNet이 유창한 아랍어 작문과 걸프·이집트 방언 이해를 테스트했다고 밝힌 Qwen3.8 27B는 충전 후 입력 $0.175, 출력 $2.17입니다. 문서 하나가 Qwen의 창보다 길면 GLM 5.3을 쓰세요.
1,000토큰짜리 기사 10,000개를 150토큰 요약으로 만드는 계산은 이렇습니다. 입력 1,000만 토큰과 출력 150만 토큰이므로, Qwen3.8 27B에서는 10 × $0.175 더하기 1.5 × $2.17입니다. 여기에 출력으로 과금되는 추론 토큰과 재시도분을 더하세요. 둘 다 샘플을 돌려 usage 블록에서 측정하세요. 프롬프트가 모든 기사에 똑같다면 맨 앞에 두어 캐시된 입력 요금으로 과금될 수 있게 하세요.
BroadNet Inference의 역할
BroadRouter는 BroadNet의 자체 사이트입니다. BroadNet Inference는 OpenAI 호환 API로 요약 단계를 제공하므로, 위 코드는 OpenAI Python SDK로 그대로 실행됩니다. 문서에 따르면 프롬프트와 답변은 요청이 끝난 뒤 보관되지 않습니다. BroadNet은 자체 아랍어 요약 벤치마크를 공개하지 않으며, 이 글의 어떤 내용도 BroadNet 모델의 요약 품질을 측정한 것이 아닙니다. 위의 검사를 여러분의 텍스트로 돌려 보세요. 음성 입력이라면 회의록 글처럼 BroadNet Transcribe Arabic과 함께 쓰세요.
