---
title: "Что такое арабские огласовки (ташкиль)? Харакат | BroadRouter"
description: "Арабские огласовки (ташкиль) — необязательные знаки гласных и шадды. Какие это символы Unicode, почему их опускают и что это значит для LLM, поиска и токенов."
url: https://broadrouter.com/ru/glossary/arabic-diacritics/
lang: ru
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Переведено с английского с помощью ИИ. [Читать оригинал на английском](https://broadrouter.com/glossary/arabic-diacritics/) (обновлён 2026-11-15).

# Арабские огласовки (ташкиль, tashkeel)

Обновлено 2026-11-15

Арабские огласовки, или ташкиль, — это небольшие знаки над буквами или под ними, которые обозначают краткие гласные, удвоенные согласные и отсутствие гласного. Они необязательны: в большинстве арабских текстов, включая новости, их нет, и читатель или программа восстанавливает гласные по контексту.

Также называют: огласовки, арабские огласовки, ташкиль, ташкил, харакат, огласовка текста, расстановка огласовок, диакритика арабского, tashkeel, tashkil, harakat, diacritization, Arabic diacritization, diacritics, vowel marks

Одни и те же три арабские буквы могут означать «он написал», «книги» или «было написано». Различают их огласовки, а в большинстве текстов огласовок нет.

## Как это работает

Стандарт Unicode называет эти знаки tashkil и пишет, что они “may be written as combining marks” (перевод: «могут записываться комбинируемыми знаками»), а затем добавляет: “In normal writing, however, these marks are omitted.” (перевод: «Однако в обычном письме эти знаки опускаются».) Харакат — название подмножества знаков кратких гласных. Каждый знак — отдельный комбинируемый символ, который идёт после буквы, к которой относится. Основные знаки лежат в диапазоне от U+064B до U+0652:

| Кодовая точка | Название | Роль |
| --- | --- | --- |
| U+064E | FATHA | краткое a |
| U+064F | DAMMA | краткое u |
| U+0650 | KASRA | краткое i |
| U+064B до U+064D | FATHATAN, DAMMATAN, KASRATAN | танвин (окончания -an, -un, -in) |
| U+0651 | SHADDA | удвоенный согласный |
| U+0652 | SUKUN | отсутствие гласного |

Пример с голым словом كتب:

-   كَتَبَ (kataba), «он написал»
-   كُتُب (kutub), «книги»
-   كُتِبَ (kutiba), «было написано»

Без знаков все три слова — одна и та же строка. Человек выбирает значение по предложению. Программе приходится делать то же самое, и этим занимается диакритизатор. Zerrouki и Balla (2017) собрали корпус Tashkeela, около 75,6 млн слов, в основном на классическом арабском, потому что полностью огласованных текстов мало, а диакритизаторам они нужны для обучения. Fadel и соавторы (2019) сообщают о нейросетевых моделях расстановки огласовок, которые на открытом бенчмарке не уступают прежним работам или превосходят их, и показывают, что огласовки могут помогать машинному переводу.

Библиотеки рассматривают эти знаки как один набор. `AR_DIAC_CHARSET` в CAMeL Tools содержит U+064B–U+0652 и U+0670 (надстрочный алиф), а функция `dediac_ar` их удаляет.

## Почему это важно

-   **Поиск и сопоставление.** Одно и то же слово с огласовками и без них — разные строки. Удаляйте знаки из поискового ключа в рамках [нормализации арабского текста](https://broadrouter.com/ru/glossary/arabic-text-normalization/), иначе точные совпадения не найдутся.
-   **Токены.** Каждый знак — лишний символ для [токенизатора](https://broadrouter.com/ru/glossary/tokenizer/). Полностью огласованный текст заметно дороже по токенам, чем текст без знаков; измеренные соотношения есть в [руководстве по огласовкам](https://broadrouter.com/ru/blog/arabic-diacritization-llm/), а базовый уровень — в статье о [числе токенов на арабское слово](https://broadrouter.com/ru/blog/tokens-per-word-arabic-english/).
-   **Речь и оценка.** Транскрипты обычно приходят без огласовок. Считайте [долю ошибок в словах (WER)](https://broadrouter.com/ru/glossary/word-error-rate/) после удаления знаков из обоих текстов, иначе правильное слово с лишней фатхой засчитается как ошибка.
-   **Когда огласовки нужны.** Синтез речи, обучение языку, коранические и поэтические тексты, а также имена, которые без гласных читаются неоднозначно.

## В BroadNet Inference

Отдельного эндпоинта для расстановки огласовок у BroadNet нет. Чат-модели получают ташкиль как обычный текст через POST /v1/chat/completions, так что можно попросить модель, например [Qwen3.8 27B](https://broadrouter.com/ru/models/qwen3.8-27b/), добавить или убрать знаки. Надёжная схема — проверять ответ в коде: удалите огласовки и сравните результат со своим входным текстом буква в букву. Промпт и проверка приведены в [статье о расстановке огласовок с помощью LLM](https://broadrouter.com/ru/blog/arabic-diacritization-llm/).

Для удаления знаков модель не нужна вовсе. Короткое регулярное выражение по диапазону U+064B–U+0652 быстрее, бесплатно и точно. [Нормализатор арабского текста](https://broadrouter.com/tools/arabic-text-normalizer/) показывает результат прямо в браузере.

## Вопросы и ответы

### Нужно ли убирать огласовки перед индексацией арабского текста?

Для поиска по ключевым словам — обычно да, но только в поисковом ключе. Авторы Tashkeela отмечают, что большинство поисковых систем огласовки игнорирует. Исходный текст сохраняйте для показа пользователю и для LLM.

### Почему арабский текст с огласовками стоит больше токенов?

Каждый знак — отдельный символ Unicode, поэтому в полностью огласованном слове больше символов, которые делит токенизатор. Посчитайте токены своего текста счётчиком до и после добавления ташкиля.

### Может ли LLM надёжно расставлять огласовки?

Расставить может, но при этом может изменить и сами буквы. Удалите знаки из ответа и сравните с входным текстом; отбрасывайте любой ответ, в котором изменилась хотя бы одна буква.

## См. также

-   [Нормализация арабского текста (Arabic text normalization)](https://broadrouter.com/ru/glossary/arabic-text-normalization/) (термин)
-   [Хамза (hamza)](https://broadrouter.com/ru/glossary/hamza/) (термин)
-   [Нормализация Unicode (Unicode normalization)](https://broadrouter.com/ru/glossary/unicode-normalization/) (термин)
-   [Токенизатор (tokenizer)](https://broadrouter.com/ru/glossary/tokenizer/) (термин)
-   [Доля ошибок в словах (word error rate, WER)](https://broadrouter.com/ru/glossary/word-error-rate/) (термин)
-   [Современный стандартный арабский (MSA, фусха)](https://broadrouter.com/ru/glossary/msa/) (термин)
-   [Огласовки в арабском тексте через LLM: промпт, проверка, DER](https://broadrouter.com/ru/blog/arabic-diacritization-llm/) (статья)
-   [Нормализация арабского текста для поиска и RAG: что менять, а что нет](https://broadrouter.com/ru/blog/arabic-text-normalization-search/) (статья)
-   [Токены на слово: арабский и английский — почему арабский дороже](https://broadrouter.com/ru/blog/tokens-per-word-arabic-english/) (статья)

Проверьте на своей реальной нагрузке. Новые аккаунты получают стартовый грант US$5 на Gemma и распознавание речи. Для DeepSeek, GLM и Qwen3.8 нужно пополнить баланс.

[Начать](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ru-glossary-arabic-diacritics&utm_content=page-cta) ·

**Источники**

-   [The Unicode Standard 18.0, глава 9 Middle East-I, Arabic (ташкиль, комбинируемые знаки) (проверено 2026-11-15)](https://www.unicode.org/versions/Unicode18.0.0/core-spec/chapter-9/)
-   [Fadel, Tuffaha, Al-Jawarneh и Al-Ayyoub, Neural Arabic Text Diacritization: State of the Art Results and a Novel Approach for Machine Translation (WAT 2019, ACL Anthology) (проверено 2026-11-15)](https://aclanthology.org/D19-5229/)
-   [Zerrouki и Balla, Tashkeela: Novel corpus of Arabic vocalized texts (Data in Brief, 2017) (проверено 2026-11-15)](https://pmc.ncbi.nlm.nih.gov/articles/PMC5310197/)
-   [Исходный код CAMeL Tools, camel\_tools.utils.charsets (AR\_DIAC\_CHARSET) (проверено 2026-11-15)](https://raw.githubusercontent.com/CAMeL-Lab/camel_tools/master/camel_tools/utils/charsets.py)
