---
title: "Arabizi (Franco-Arab) dengan LLM: kesan dan tukar | BroadRouter"
description: "Arabizi menulis bahasa Arab dalam huruf Rumi dengan digit seperti 3 untuk ع dan 7 untuk ح. Cara mengesannya, menukarnya ke skrip Arab dengan LLM, dan membalas."
url: https://broadrouter.com/ms/blog/arabizi-llm-handling/
lang: ms
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Diterjemahkan daripada bahasa Inggeris dengan bantuan AI. [Baca versi asal dalam bahasa Inggeris](https://broadrouter.com/blog/arabizi-llm-handling/) (dikemas kini 2026-11-16).

# Arabizi dan LLM: mengendalikan Franco-Arab dengan nombor 3 dan 7

Oleh pasukan BroadNet Inference · 5 minit bacaan · Diterbitkan 2026-11-14 · Dikemas kini 2026-11-16

Arabizi, juga dipanggil Franco-Arab, ialah bahasa Arab yang ditulis dalam huruf Rumi dengan digit bagi bunyi yang tiada dalam abjad Rumi: 3 untuk ع, 7 untuk ح, 2 untuk ء, 5 untuk خ. LLM biasanya memahaminya tetapi menukarnya secara tidak konsisten. Kesan ia, minta model mentransliterasi ke skrip Arab dengan dialek dinamakan, kemudian proses teks Arab tersebut.

## Perkara utama

-   Digit biasa: 2 = ء, 3 = ع, 5 = خ, 6 = ط, 7 = ح, 8 = غ atau ق, 9 = ص. Penggunaan berbeza mengikut negara.
-   Arabizi hampir selalu dialek, bukan MSA, jadi beritahu model dialek mana yang dijangka.
-   Tukar ke skrip Arab sebelum carian, analitik atau penghalaan; simpan teks asal untuk audit.
-   Tentukan skrip balasan bagi setiap produk: skrip Arab, Arabizi atau bahasa Inggeris. Jangan meniru Arabizi secara lalai.
-   Arabizi ialah masalah teks yang ditaip. Output huruf Rumi daripada speech-to-text biasanya bermaksud permintaan tidak menyertakan language=ar.

**Dalam halaman ini**

1.  Nombor manakah mewakili huruf Arab yang mana?
2.  Mengapakah Arabizi sukar bagi perisian?
3.  Sejauh manakah LLM mengendalikan Arabizi dengan baik?
4.  Bagaimanakah menukar Arabizi ke skrip Arab dengan LLM?
5.  Skrip manakah yang patut digunakan untuk balasan?
6.  Model manakah yang patut digunakan untuk Arabizi?
7.  Di manakah Arabizi muncul?

[Arabizi](https://broadrouter.com/ms/glossary/arabizi/), juga dipanggil Franco-Arab atau “Franco”, ialah bahasa Arab yang ditulis dalam huruf Rumi dengan digit bagi bunyi yang tiada dalam abjad Rumi, seperti 3 untuk ع dan 7 untuk ح. Untuk mengendalikannya dengan LLM, kesan ia, minta model menukarnya ke skrip Arab dengan dialek dinamakan, dan jalankan baki saluran anda pada teks Arab.

“ana 3ayez a7gez ma3ad bokra” ialah mesej pelanggan yang biasa di Mesir: “أنا عايز أحجز ميعاد بكرة” (saya mahu menempah temujanji esok). Ia berkembang pada telefon dan komputer tanpa papan kekunci Arab dan masih muncul dalam chat.

## Nombor manakah mewakili huruf Arab yang mana?

Tiada piawaian, tetapi digit digunakan untuk huruf Arab yang rupanya serupa atau tiada padanan Rumi. Gambaran keseluruhan [abjad chat Arab](https://en.wikipedia.org/wiki/Arabic_chat_alphabet) menyenaraikan konvensyen biasa:

| Digit | Huruf Arab | Contoh | Skrip Arab | Maksud |
| --- | --- | --- | --- | --- |
| 2 | ء (hamza) / أ | so2al | سؤال | soalan |
| 3 | ع | 3arabi | عربي | Arab |
| 3’ atau 8 | غ | 8aly / 3’aly | غالي | mahal |
| 5 atau kh | خ | 5alas | خلاص | selesai / cukup |
| 6 | ط | 6ayeb | طيب | OK (Teluk) |
| 7 | ح | 7abibi | حبيبي | sayangku |
| 9 | ص | 9ba7 | صباح | pagi (Teluk) |
| 8 | ق (di sesetengah wilayah) | 8alb | قلب | hati |

Tabiat serantau berbeza. Gambaran keseluruhan itu mencatat, contohnya, bahawa 8 untuk غ hanya digunakan di Lubnan, manakala 8 dan 9 untuk ق biasa di Arab Saudi; dalam Arabizi Mesir, 2 boleh mewakili ق apabila ia disebut sebagai hentian glotis. Vokal ditulis mengikut pendengaran, jadi “ma3lesh”, “ma3lsh” dan “m3lsh” (معلش, tak apa) ialah perkataan yang sama.

## Mengapakah Arabizi sukar bagi perisian?

-   **Ia hampir selalu dialek.** Orang menulis Arabizi seperti mereka bercakap, jadi ia membawa semua cabaran dialek sekali gus, tanpa skrip Arab sebagai sauh.
-   **Ia kelihatan seperti bahasa Inggeris atau Perancis.** “bas” ialah بس (tetapi / sahaja) dalam bahasa Arab dan tiada makna dalam bahasa Inggeris; “men” ialah من (dari / siapa). Pengesan kata kunci dan alat pengenalan bahasa sering melabel Arabizi sebagai bahasa Inggeris atau bahasa skrip Rumi yang lain.
-   **Tiada ejaan piawai.** Carian padanan tepat, peraturan niat dan analitik rosak.
-   **[Pertukaran kod](https://broadrouter.com/ms/glossary/code-switching/).** “el order bta3i lessa ma waslsh, can u check?” mencampurkan Arabizi Mesir dan bahasa Inggeris dalam satu ayat.

Penukar berasaskan peraturan bergelut kerana satu rentetan Rumi boleh dipetakan kepada banyak ejaan Arab; sistem penyelidikan seperti [kerja pengesanan dan penukaran Arabizi oleh Darwish](https://arxiv.org/abs/1306.6755) menggabungkan perlombongan transliterasi dengan pemodelan bahasa untuk memilih perkataan yang betul, dan melaporkan ketepatan penukaran 88.7%. LLM moden secara efektif melakukannya dalam satu langkah.

## Sejauh manakah LLM mengendalikan Arabizi dengan baik?

Model besar telah melihat Arabizi dalam teks web dan media sosial, jadi ia sering memahami frasa biasa. Hasilnya berbeza mengikut model dan dialek, jadi uji sebelum bergantung padanya. Mod kegagalan biasa:

1.  **Menganggapnya bahasa Inggeris** dan membalas mesej yang tersalah baca.
2.  **Menukar ke dialek yang salah,** contohnya “mengubah” bahasa Mesir menjadi perkataan MSA yang mengubah nada, atau meneka Teluk sedangkan pengguna dari Lubnan.
3.  **Skrip output tidak konsisten,** membalas dalam Arabizi untuk satu mesej dan skrip Arab untuk mesej seterusnya.
4.  **Ketepatan halusinasi** pada nama dan tempat, di mana ejaan Rumi taksa.

Penyelesaiannya sama seperti untuk dialek secara umum: beritahu model apa yang dijangka dan apa yang perlu dihasilkan.

## Bagaimanakah menukar Arabizi ke skrip Arab dengan LLM?

Tukar Arabizi ke skrip Arab dahulu, kemudian jalankan baki saluran anda (carian, penghalaan, balasan) pada teks Arab. Ini mengekalkan satu laluan kod dan menjadikan carian serta analitik berfungsi.

```python
import json, os
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

NORMALISE = """You receive a customer message that may be in Arabic script, English,
or Arabizi (Arabic written in Latin letters and digits, e.g. 3=ع, 7=ح, 2=ء, 5=خ).
Customers are mostly Egyptian. Return JSON only:
{"script": "arabic" | "arabizi" | "latin_english" | "mixed",
 "dialect": "egyptian" | "gulf" | "levantine" | "msa" | "other" | null,
 "arabic_text": "<the message in Arabic script, keeping the dialect words; keep English words in Latin letters>",
 "english_gloss": "<short English meaning>"}"""

def normalise(message: str) -> dict:
    r = client.chat.completions.create(
        model="broadnet/qwen3.8-27b",
        max_tokens=1500,  # the model reasons first; leave room for the JSON
        messages=[{"role": "system", "content": NORMALISE},
                  {"role": "user", "content": message}],
    )
    text = r.choices[0].message.content.strip()
    text = text.removeprefix("```json").removeprefix("```").removesuffix("```")
    return json.loads(text)  # validate the fields before you trust them

print(normalise("el order bta3i lessa ma waslsh, can u check?"))
```

Hasil yang baik:

```json
{"script": "mixed", "dialect": "egyptian",
 "arabic_text": "الأوردر بتاعي لسه ما وصلش، can u check?",
 "english_gloss": "My order still hasn't arrived, can you check?"}
```

Nota tentang reka bentuk ini:

-   **Kekalkan perkataan dialek.** Meminta “the message in Arabic script, keeping the dialect words” mengelakkan penulisan semula secara senyap ke MSA, yang akan menghilangkan makna untuk penghalaan dan sentimen.
-   **Simpan teks asal.** Simpan mesej mentah di sebelah hasil penukaran untuk audit dan untuk melatih semula peraturan.
-   **Gunakan penapis awal yang murah.** Semakan ringkas (huruf Rumi serta digit 2, 3, 5, 6, 7, 8 atau 9 di dalam perkataan, seperti dalam regex di bawah) mengesan kebanyakan Arabizi sebelum anda membelanjakan panggilan LLM. Mesej Arab tulen atau Inggeris tulen boleh melangkau penukaran. Untuk output yang lebih ketat, gunakan [output berstruktur](https://broadrouter.com/ms/glossary/structured-output/) dengan skema.

```python
import re
ARABIZI_HINT = re.compile(r"\b[a-z]*[2356789][a-z]+\b|\b[a-z]+[2356789][a-z]*\b", re.I)
def maybe_arabizi(text: str) -> bool:
    return bool(ARABIZI_HINT.search(text)) and not re.search(r"[؀-ۿ]", text)
```

Petunjuk ini terlepas Arabizi tanpa digit (“ana mesh fahem”, saya tak faham) dan tercetus pada kod produk seperti “a7x”; anggap ia penjimat kos, bukan pengelas. Medan `script` LLM ialah keputusan sebenar.

## Skrip manakah yang patut digunakan untuk balasan?

Tentukan bagi setiap produk, bukan setiap mesej:

| Balas dalam | Bila |
| --- | --- |
| Skrip Arab (MSA atau dialek ringan) | Lalai bagi kebanyakan perniagaan; boleh dibaca oleh semua |
| Bahasa Inggeris | Jika bahasa sokongan anda bahasa Inggeris, atau pelanggan kebanyakannya mencampurkan bahasa Inggeris |
| Arabizi | Jenama golongan muda yang mahu sepadan dengan gaya pelanggan; semak sampel bersama penutur asli |

Meniru Arabizi secara automatik cenderung menghasilkan ejaan yang kelihatan janggal kepada pengguna asli, kerana tiada piawaian untuk diikuti. Jika anda menirunya, beri model contoh ejaan pilihan anda. Lebih lanjut tentang menetapkan laras dan skrip dalam [kejuruteraan prompt bahasa Arab](https://broadrouter.com/ms/blog/arabic-prompt-engineering/).

## Model manakah yang patut digunakan untuk Arabizi?

Kumpul 50 hingga 100 mesej Arabizi sebenar daripada saluran anda, tulis versi skrip Arab dan niat yang betul bagi setiap satu, dan skor model calon pada ketepatan niat dahulu dan kualiti penukaran kemudian. BroadNet melaporkan [Qwen3.8 27B](https://broadrouter.com/ms/models/qwen3.8-27b/) memahami dialek Teluk dan Mesir serta menulis bahasa Arab yang lancar dalam ujiannya; ia tidak menerbitkan keputusan khusus Arabizi, jadi uji pada mesej anda. [DeepSeek V4.1 Flash](https://broadrouter.com/ms/models/deepseek-v4.1-flash/) lebih murah setiap token output, dan [BroadNet Gemma 4 VL 26B](https://broadrouter.com/ms/models/gemma-4-vl-26b/) ialah model BroadNet paling murah untuk langkah pra-pengelasan volum tinggi. Harga ada di [halaman harga](https://broadrouter.com/ms/pricing/). Arabizi skrip Rumi dan skrip Arab ditokenkan secara berbeza, jadi tampal kedua-dua versi beberapa mesej ke dalam [pengira token](https://broadrouter.com/tools/token-counter/) percuma sebelum menganggar kos.

## Di manakah Arabizi muncul?

-   **WhatsApp dan DM media sosial:** sumber utama. Lihat [seni bina chatbot WhatsApp bahasa Arab](https://broadrouter.com/ms/blog/arabic-whatsapp-chatbot-architecture/).
-   **Kotak carian:** pengguna menaip “7agz” (حجز, tempahan). Normalkan pertanyaan dengan langkah yang sama sebelum [pengambilan RAG bahasa Arab](https://broadrouter.com/ms/blog/arabic-rag-search/).
-   **Bukan daripada speech-to-text, jika anda menghantar bahasa.** Arabizi ditaip oleh manusia. Jika transkrip audio Arab dipulangkan dalam huruf Rumi, permintaan itu mungkin tidak menyertakan `language=ar`; dokumentasi BroadNet memberi amaran bahawa bahasa Arab boleh ditransliterasi jika tidak. Lihat [panduan nota suara WhatsApp](https://broadrouter.com/ms/guides/transcribe-whatsapp-voice-notes/).

Alat percuma untuk topik ini (Bahasa Inggeris)

-   [Arabic token counter](https://broadrouter.com/tools/arabic-token-counter/) Arabic vs English token counts per tokenizer: the "Arabic tax" in tokens and money.
-   [Arabic text normalizer](https://broadrouter.com/tools/arabic-text-normalizer/) Tashkeel, tatweel, alef, ya, ta marbuta, digits and invisible characters, with a matching Python function.
-   [Speech-to-text cost calculator](https://broadrouter.com/tools/speech-to-text-cost-calculator/) Hours, calls or voice notes to a monthly transcription bill, against your current provider.

[Alatan percuma (Bahasa Inggeris)](https://broadrouter.com/tools/)

## Istilah dalam artikel ini

[Arabizi](https://broadrouter.com/ms/glossary/arabizi/)

Arabizi ialah bahasa Arab yang ditulis secara tidak formal dalam huruf Rumi, menggunakan digit untuk bunyi Arab yang tiada padanan Rumi, seperti 3 untuk ع. Ia biasa dalam chat dan media sosial, kebanyakannya dialek, tiada ejaan standard, dan sering bercampur dengan bahasa Inggeris atau Perancis.

[Hamzah (hamza)](https://broadrouter.com/ms/glossary/hamza/)

Hamzah (ء) ialah huruf bahasa Arab bagi hentian glotis. Ia ditulis sendirian atau di atas kerusi: alif (أ إ), wau (ؤ) atau ya (ئ), manakala آ menggabungkan alif dengan madd. Oleh sebab teks yang ditaip tidak konsisten, enjin carian dan pemarkahan pertuturan sering menyatukan bentuk alif kepada ا.

[Penukaran kod (code-switching)](https://broadrouter.com/ms/glossary/code-switching/)

Penukaran kod ialah penggunaan dua atau lebih bahasa, atau varian satu bahasa, dalam perbualan atau ayat yang sama, sama ada dalam pertuturan atau penulisan. Contohnya penutur Arab yang mencampurkan perkataan Inggeris ke dalam dialek, atau bertukar antara Bahasa Arab Standard Moden dan dialek mereka.

[Bahasa Arab Standard Moden (MSA)](https://broadrouter.com/ms/glossary/msa/)

Bahasa Arab Standard Moden (MSA) ialah bentuk bahasa Arab yang diseragamkan untuk penulisan, berita, pendidikan dan pertuturan rasmi di seluruh dunia Arab. Ia bukan bahasa harian asli sesiapa: orang bertutur dalam dialek serantau seperti bahasa Arab Mesir atau Teluk dan beralih kepada MSA dalam situasi rasmi.

[Halusinasi AI (AI hallucination)](https://broadrouter.com/ms/glossary/hallucination/)

Halusinasi ialah output model bahasa yang kedengaran munasabah tetapi salah, direka-reka atau tidak disokong oleh input yang diberikan, seperti petikan rujukan rekaan, angka yang salah atau API yang tidak wujud. Ia berpunca daripada model meramalkan teks yang mungkin, bukan menyemak fakta.

## Soalan lazim

### Adakah Arabizi sama dengan Franco-Arab?

Ya. Arabizi, Franco-Arab, Franco dan abjad chat Arab semuanya merujuk kepada amalan yang sama, iaitu menulis bahasa Arab dengan huruf Rumi dan digit. Namanya berbeza mengikut negara; "Franco" biasa digunakan di Mesir.

### Patutkah chatbot saya membalas dalam Arabizi?

Biasanya tidak. Balas dalam skrip Arab atau bahasa Inggeris, sesuai dengan jenama anda. Sesetengah jenama yang menyasarkan golongan muda memang membalas dalam Arabizi, tetapi minta penutur asli menyemak bahawa ejaannya kelihatan semula jadi.

### Bolehkah regex menukar Arabizi kepada bahasa Arab?

Tidak dengan boleh dipercayai. Vokal digugurkan atau ditambah sesuka hati dan huruf Rumi yang sama dipetakan kepada huruf Arab berbeza bergantung pada konteks. Peraturan membantu pengesanan; penukaran memerlukan model bahasa.

### Apakah maksud 3 dalam mesej teks bahasa Arab?

Dalam Arabizi, 3 mewakili huruf ع (ain), seperti "3arabi" untuk عربي (Arab). Digit biasa lain ialah 2 untuk ء, 5 untuk خ, 7 untuk ح dan 9 untuk ص.

### Mengapakah transkripsi saya dipulangkan dalam huruf Rumi?

Itu transliterasi oleh model pertuturan, bukan Arabizi yang ditaip oleh pengguna. Hantar language=ar bersama setiap permintaan transkripsi bahasa Arab untuk mendapatkan skrip Arab.

## Teruskan membaca

-   [Pengelasan teks bahasa Arab dengan LLM: sentimen, niat, triaj](https://broadrouter.com/ms/blog/arabic-text-classification-llm/)
-   [Bahasa Arab Teluk, Mesir dan Levant: cara LLM mengendalikan dialek](https://broadrouter.com/ms/blog/arabic-llm-gulf-egyptian-dialects/)
-   [Kejuruteraan prompt bahasa Arab: laras, RTL, angka dan teks bercampur](https://broadrouter.com/ms/blog/arabic-prompt-engineering/)
-   [Seni bina chatbot WhatsApp bahasa Arab: nota suara hingga balasan](https://broadrouter.com/ms/blog/arabic-whatsapp-chatbot-architecture/)
-   [RAG bahasa Arab: penormalan, chunking dan carian yang berkesan](https://broadrouter.com/ms/blog/arabic-rag-search/)
-   [Tambah baris pada teks Arab dengan LLM: prompt, semakan dan DER](https://broadrouter.com/ms/blog/arabic-diacritization-llm/)
-   [Pembetulan tatabahasa dan ejaan bahasa Arab dengan LLM: panduan](https://broadrouter.com/ms/blog/arabic-grammar-spelling-correction-llm/)
-   [Panduan: Cara guna OpenAI Python SDK dengan BroadNet Inference](https://broadrouter.com/ms/guides/openai-python-sdk/)
-   [Panduan: Cara tukar nota suara WhatsApp kepada teks dengan API](https://broadrouter.com/ms/guides/transcribe-whatsapp-voice-notes/)

Cuba dengan beban kerja sebenar anda. Akaun baharu bermula dengan kredit US$5 untuk Gemma dan transkripsi. DeepSeek, GLM dan Qwen3.8 memerlukan tambah nilai.

[Mulakan](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-blog-arabizi-llm-handling&utm_content=page-cta) ·

**Sumber**

-   [Arabic chat alphabet, gambaran keseluruhan konvensyen Arabizi (disemak 2026-11-14)](https://en.wikipedia.org/wiki/Arabic_chat_alphabet)
-   [Darwish, Arabizi Detection and Conversion to Arabic (arXiv 1306.6755; disemak 2026-11-14)](https://arxiv.org/abs/1306.6755)
-   [Halaman harga BroadNet Inference, nota "Tested in Arabic" Qwen3.8 27B (disemak 2026-11-14) (Bahasa Inggeris)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-blog-arabizi-llm-handling&utm_content=sources)
-   [Rujukan API BroadNet Inference, parameter language untuk transkripsi (disemak 2026-11-14) (Bahasa Inggeris)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-blog-arabizi-llm-handling&utm_content=sources)
