BroadRouter

Terjemahan Arab–Inggeris dengan LLM: prompt, glosari, penilaian

Oleh pasukan BroadNet Inference · 5 minit bacaan · Diterbitkan

Untuk menterjemah bahasa Arab dan Inggeris dengan LLM, beri model khalayak, laras bahasa dan glosari istilah tetap, minta ia mengekalkan nombor dan nama tanpa perubahan, dan terjemah dalam cebisan sebesar perenggan. Nilai dengan chrF atau COMET serta semakan penutur asli. Dalam ujian BroadNet, Qwen3.8 27B menterjemah dengan tepat antara bahasa Arab dan Inggeris.

Untuk menterjemah antara bahasa Arab dan Inggeris dengan LLM, beritahu model arah, khalayak dan laras bahasa, beri glosari istilah tetap, kekalkan nombor dan nama tanpa perubahan, dan hantar cebisan sebesar perenggan. Kemudian semak nombor dan penafian dalam kod dan skor dengan chrF, COMET dan penyemak penutur asli.

Kawalan itu penting dalam bahasa Arab, di mana terjemahan literal boleh betul tetapi masih kedengaran asing.

Mengapakah terjemahan Arab–Inggeris sukar bagi LLM?

  • Laras bahasa. Bahasa Arab formal (bahasa Arab Standard Moden, فصحى) dan pertuturan harian sangat berbeza. Ayat pemasaran yang santai dalam bahasa Inggeris boleh menjadi kaku atau lucu dalam MSA literal.
  • Susunan dan panjang perkataan. Ayat Arab sering bermula dengan kata kerja, dan teks Arab selalunya berbeza panjang daripada bahasa Inggeris. Rentetan UI yang muat dalam bahasa Inggeris mungkin berbalut atau melimpah.
  • Jantina dan bilangan. Bahasa Arab menandakan jantina pada kata kerja, kata sifat dan kata ganti nama, dan mempunyai bentuk dual. “You” dalam bahasa Inggeris mesti menjadi أنتَ, أنتِ, أنتما, أنتم atau أنتنّ. Jika anda tidak mengenali pembaca, beritahu model lalai mana yang hendak digunakan.
  • Nama dan transliterasi. “محمد” mempunyai banyak ejaan Inggeris (Mohammed, Muhammad, Mohamed). Pilih satu bagi setiap orang dan kekalkannya.
  • Nombor dan tarikh. Angka Arab Timur, tarikh Hijrah dan format kanan-ke-kiri semuanya memerlukan peraturan yang jelas.

Prompt apakah yang memberi terjemahan Arab yang baik?

Kualiti terjemahan jauh lebih bergantung pada arahan daripada susunan kata yang bijak. Beritahu model arah, khalayak, laras, glosari dan format output:

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

Untuk Arab → Inggeris, terbalikkan arah dan tambah apa yang diperlukan pembaca Inggeris: “American English, plain style, keep Arabic personal names in the spelling given in the glossary” (Terjemahan: bahasa Inggeris Amerika, gaya ringkas, kekalkan nama peribadi Arab dalam ejaan yang diberi dalam glosari). Jika sumber mungkin dialek, nyatakannya: “The source may be Gulf or Egyptian Arabic; translate the meaning, not word for word.” (Terjemahan: Sumber mungkin bahasa Arab Teluk atau Mesir; terjemah maknanya, bukan perkataan demi perkataan.)

Mengapakah glosari begitu penting?

Tanpa glosari, model mungkin menterjemah “refund” sebagai استرجاع dalam satu perenggan dan استرداد dalam perenggan seterusnya. Kedua-duanya bahasa Arab yang baik; bersama-sama ia kelihatan cuai dan merosakkan carian. Glosari membetulkannya:

  1. Mulakan daripada terjemahan sedia ada. Ekstrak istilah daripada pusat bantuan, kontrak dan rentetan UI yang sudah ada dalam kedua-dua bahasa.
  2. Pastikan ia ringkas. Lima puluh hingga dua ratus istilah meliputi kebanyakan produk. Masukkan hanya istilah yang tidak boleh berubah.
  3. Sertakan item jangan-terjemah. Nama jenama, nama produk, nama pelan dan pengecam kod.
  4. Letakkan dalam prompt sistem, sebelum teks. Itu juga mengekalkannya dalam awalan yang boleh di-cache, yang mengurangkan kos input pada panggilan berulang; lihat token input cache.
  5. Semaknya dalam kod. Selepas terjemahan, sahkan bahawa setiap istilah glosari yang muncul dalam sumber muncul dalam bentuk tetapnya dalam sasaran.

Bagaimanakah anda patut memecahkan dokumen panjang?

Terjemah dalam cebisan perenggan atau seksyen, bukan ayat demi ayat. Panggilan peringkat ayat kehilangan konteks (siapa “dia”, produk mana yang dirujuk oleh “ia”). Panggilan dokumen penuh berfungsi pada model konteks panjang, tetapi satu kesilapan lebih sukar dicari dan dicuba semula. Satu seksyen beberapa ratus perkataan ialah keseimbangan yang baik. Hantar terjemahan seksyen sebelumnya sebagai konteks jika konsistensi penting.

Qwen3.8 27B mempunyai konteks 262,144 token; DeepSeek V4.1 Flash dan GLM 5.3 menerima sehingga 1,048,576 token, cukup untuk menyertakan dokumen rujukan yang panjang bersama teks yang anda terjemah.

Bagaimanakah anda menangkap ralat yang berbahaya?

Output yang lancar menyembunyikan kesilapan. Semak perkara ini secara automatik:

  • Nombor: ekstrak setiap nombor daripada sumber dan sasaran (selepas menukar digit Arab Timur) dan bandingkan setnya.
  • Penafian: “not” yang tercicir (لا, لم, لن, ليس, ما) menterbalikkan makna. Tandakan ayat yang mempunyai penafian dalam sumber tetapi tiada dalam sasaran.
  • Nama dan istilah glosari: sahkan ia kekal tanpa perubahan.
  • Nisbah panjang: sasaran yang jauh lebih pendek daripada jangkaan biasanya bermakna ada yang tertinggal.
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

Pemisah perpuluhan boleh berbeza antara lokal (teks Arab kadangkala menggunakan ٫), jadi normalkan itu juga jika dokumen anda menggunakannya.

Bagaimanakah anda menilai kualiti terjemahan?

Metrik automatik memberitahu anda sama ada perubahan pada prompt atau model menjadikan hasil lebih baik atau lebih buruk secara purata:

Metrik Apa yang diukur Nota untuk bahasa Arab
BLEU Pertindihan n-gram perkataan dengan rujukan Keras terhadap bahasa Arab, di mana klitik dan varian ejaan mengubah bentuk perkataan
chrF Pertindihan n-gram aksara Lebih bertolak ansur terhadap morfologi Arab; lalai yang lebih baik
COMET Pertimbangan kualiti oleh model neural Lebih berkorelasi dengan penilaian manusia; memerlukan GPU atau pemarkah yang dihos

Untuk penanda aras awam: menurut senarai bahasanya, FLORES-200, yang digunakan oleh projek No Language Left Behind, merangkumi bahasa Arab Standard Moden serta bahasa Arab Mesir, Najdi, Levant Utara dan Selatan, Mesopotamia, Maghribi, Tunisia dan Ta’izzi-Adeni bersama bahasa Inggeris. Tetapi kandungan anda sendiri ialah ujian sebenar:

  1. Ambil 100 hingga 200 segmen yang mewakili dengan terjemahan profesional sedia ada.
  2. Terjemahkannya dengan setiap model dan versi prompt.
  3. Skor chrF (dan COMET jika boleh), selepas menormalkan ejaan Arab dengan cara yang sama untuk semua sistem.
  4. Minta penutur asli menilai 30 segmen bagi setiap sistem untuk ketepatan dan kelancaran, tanpa mengetahui sistem mana yang menghasilkannya.
  5. Jejaki semakan ralat berbahaya di atas sebagai kiraan berasingan.

Model manakah patut anda gunakan, dan berapakah kosnya?

BroadNet melaporkan bahawa Qwen3.8 27B menterjemah dengan tepat antara bahasa Arab dan Inggeris, menulis bahasa Arab dengan lancar dan memahami dialek Teluk dan Mesir dalam ujiannya. Itu menjadikannya calon pertama yang wajar di BroadNet Inference. DeepSeek V4.1 Flash juga berbaloi diuji: token outputnya lebih murah, dan ia model pada pelan rata tanpa had. Perbandingan DeepSeek V4.1 Flash vs Qwen3.8 27B meletakkan kedua-duanya bersebelahan.

Setiap 1J token:

Model Input Output
Qwen3.8 27B $0.175 $2.17
DeepSeek V4.1 Flash $0.175 $0.52
GLM 5.3 $0.78 $3.46

Output terjemahan lebih kurang sama panjang dengan input, dan ketiga-tiga model membuat penaakulan sebelum menjawab, jadi token output biasanya mendominasi bil. Bahasa Arab juga cenderung memerlukan lebih banyak token setiap perkataan berbanding bahasa Inggeris; lihat token setiap perkataan dalam bahasa Arab dan Inggeris. Tampal sampel ke dalam pengira token bahasa Arab percuma, sahkan dengan usage daripada permintaan sebenar, kemudian unjurkan perbelanjaan bulanan dengan kalkulator kos API LLM. Untuk projek penyetempatan sekali sahaja yang besar pada DeepSeek V4.1 Flash, pelan mingguan $15 menghapuskan meter token sepenuhnya.

Bolehkah anda menghantar kontrak dan tiket ke API?

Kontrak, surat perubatan dan tiket sokongan selalunya mengandungi data peribadi. BroadNet Inference tidak menyimpan prompt atau output selepas permintaan; lihat pengekalan data sifar. Pastikan memori terjemahan dan log anda mengikut peraturan yang sama.

Soalan lazim

Adakah LLM lebih baik daripada API terjemahan khusus untuk bahasa Arab?

Untuk teks pendek dan umum, perbezaannya mungkin kecil. LLM menang apabila anda memerlukan kawalan ke atas nada, istilah glosari, format atau input dialek, kerana anda boleh menyatakan dengan tepat apa yang anda mahu dalam prompt.

Bolehkah model menterjemah bahasa Arab dialek ke bahasa Inggeris?

Selalunya boleh, kerana terjemahan bergantung pada kefahaman, dan model lebih memahami dialek berbanding menulisnya. BroadNet melaporkan Qwen3.8 27B memahami dialek Teluk dan Mesir dalam ujiannya. Semak sampel dengan penutur asli.

Patutkah dokumen undang-undang diterjemah oleh mesin?

Gunakan LLM untuk draf pertama dan untuk memahami kandungan, tetapi minta penterjemah bertauliah menyemak apa-apa yang mempunyai kesan undang-undang. Banyak bidang kuasa juga mewajibkan terjemahan manusia yang diperakui untuk pemfailan rasmi.

Mengapakah terjemahan Arab saya lebih panjang dalam token berbanding bahasa Inggeris?

Tokenizer selalunya memecahkan bahasa Arab kepada lebih banyak token setiap perkataan berbanding bahasa Inggeris. Tampal sampel ke dalam pengira token, kemudian sahkan dengan usage.prompt_tokens dan usage.completion_tokens daripada permintaan sebenar.

Metrik manakah patut saya gunakan untuk menilai terjemahan mesin bahasa Arab?

Gunakan chrF sebagai skor automatik lalai, kerana n-gram aksara lebih mampu mengendalikan klitik dan varian ejaan Arab berbanding BLEU. Tambah COMET jika anda boleh menjalankannya, dan minta penutur asli menilai secara buta 30 segmen atau lebih bagi setiap sistem.

Baca sebagai MarkdownTanya ChatGPTTanya ClaudeTanya Perplexity