---
title: "Arapça lehçe konuşma tanıma: ASR nasıl test edilir | BroadRouter"
description: "Konuşmadan metne modelleri Körfez, Mısır, Levant ve Mağrip Arapçasında neden zorlanır, kendi sesinizle bir lehçe test seti nasıl kurulur?"
url: https://broadrouter.com/tr/blog/arabic-dialect-speech-recognition/
lang: tr
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

İngilizceden yapay zekâ desteğiyle çevrilmiştir. [İngilizce aslını okuyun](https://broadrouter.com/blog/arabic-dialect-speech-recognition/) (güncelleme: 2026-11-16).

# Arapça lehçelerde konuşma tanıma: Körfez, Mısır, Levant, Mağrip

BroadNet Inference ekibi · 5 dk okuma · Yayımlandı 2026-11-14 · Güncellendi 2026-11-16

Arapça lehçeler ses, kelime ve yazım bakımından Modern Standart Arapçadan ayrılır, konuşanlar da araya İngilizce ya da Fransızca katar; bu yüzden çoğunlukla resmî Arapçayla eğitilmiş ASR modelleri lehçelerde çok daha kötü puan alır. Bir sağlayıcıyı test etmek için gerçek sesinizden lehçe başına bir test seti kurun, bir yazım kuralı belirleyin ve WER, CER ile varlık doğruluğunu lehçe başına ölçün.

## Öne çıkanlar

-   Lehçe, Arapça ASR doğruluğunu en çok etkileyen etkenlerden biridir: BroadNet aynı model için okunan Arapçada 3,8, lehçeli konuşmada 23,4 WER bildiriyor.
-   Lehçelerin standart bir yazımı yoktur; puanlamadan önce referansların lehçeye birebir mi yoksa normalleştirilmiş mi yazılacağına karar verin.
-   Körfez konuşmasına İngilizce, Mağrip konuşmasına Fransızca karışır. Dil değiştirilen (code-switching) kayıtları ayrı bir grup olarak puanlayın.
-   WER ve CER değerlerini lehçe başına, sayı ve isim doğruluğuyla birlikte raporlayın. Tek bir ortalama sayıya asla güvenmeyin.
-   Lehçe başına otuz ila elli kayıt ve bunların onu için elle kontrol edilmiş referanslar, sağlayıcıları sıralamaya yeter.

**Bu sayfada**

1.  Arapça lehçeler konuşma tanıma için neden zor?
2.  Her Arapça lehçe konuşma tanımayı nasıl zorlar?
3.  Arapça lehçe test seti nasıl kurulur?
4.  Yayımlanmış Arapça WER değerleri size ne söyler?
5.  Lehçe transkriptlerini hangi LLM okumalı?
6.  BroadNet Inference’ın yeri

Konuşmadan metne modelleri Arapça lehçelerde zorlanır, çünkü bu lehçeler ses, kelime ve yazım bakımından Modern Standart Arapçadan (MSA) ayrılır ve konuşanlar araya İngilizce ya da Fransızca katar. Bir sağlayıcının nasıl performans göstereceğini öğrenmek için gerçek sesinizden lehçe başına küçük bir test seti kurun ve her lehçeyi ayrı puanlayın.

Riyad’dan arayan bir müşteri, Kahire’den gelen bir sesli mesaj ve Kazablanka’dan bir destek çağrısı, hepsi “Arapça”dır; ama aynı model ilkini iyi, üçüncüsünü kötü işleyebilir.

Bu yazı, her büyük lehçe grubunu konuşma tanıma için neyin zorlaştırdığını ve bir sağlayıcının **sizin** lehçelerinizde nasıl sonuç vereceğini gösteren testi nasıl kuracağınızı anlatıyor. Daha geniş satın alma kontrol listesi (fiyat, sınırlar, gizlilik) için [Arapça konuşmadan metne satın alma rehberine](https://broadrouter.com/tr/blog/arabic-speech-to-text-api-buyers-guide/) bakın.

## Arapça lehçeler konuşma tanıma için neden zor?

Dört sorun üst üste biner:

1.  **Farklı sesler.** Aynı harf bölgeye göre farklı telaffuz edilir; akustik model birkaç sesi tek bir yazıma eşlemek zorunda kalır.
2.  **Farklı kelimeler.** Gündelik kelimeler lehçeden lehçeye değişir. Çoğunlukla MSA ile eğitilmiş bir model, lehçe kelimesini resmî karşılığına “düzeltebilir”; referansınız birebir yazılmışsa bu bir hata sayılır.
3.  **Standart yazım yok.** Lehçeler gayriresmî yazılır; iki insan transkripsiyoncu bile anlaşamaz. Eğitim verisi de dengesizdir: lehçe kapsamı üzerine 2024 tarihli bir çalışma, mevcut ASR sistemlerinin “mainly cover the modern standard Arabic (MSA) variety and few high-resource dialects” (BroadRouter çevirisi: çoğunlukla Modern Standart Arapça (MSA) çeşidini ve kaynağı bol birkaç lehçeyi kapsadığını) belirtiyor ([arXiv 2411.05872](https://arxiv.org/abs/2411.05872)).
4.  **[Dil değiştirme (code-switching)](https://broadrouter.com/tr/glossary/code-switching/).** Konuşanlar cümlenin ortasında İngilizceye ya da Fransızcaya geçer. Sekiz lehçeyi kapsayan [Casablanca](https://aclanthology.org/2024.emnlp-main.1211) veri seti, dil değiştirmeyi lehçe ve cinsiyetle birlikte etiketliyor.

[Open Universal Arabic ASR Leaderboard](https://arxiv.org/abs/2412.13788) makalesi (Interspeech 2025) açık kaynaklı modelleri tam da bu yüzden birkaç çok lehçeli test setinde değerlendiriyor: tek bir Arapça puanı aradaki farkı gizler.

## Her Arapça lehçe konuşma tanımayı nasıl zorlar?

| Lehçe grubu | Nerede | Tipik ASR sorun noktaları |
| --- | --- | --- |
| Körfez (Halici) | Suudi Arabistan, BAE, Kuveyt, Katar, Bahreyn, Umman | Araya karışan İngilizce ürün adları, sayılar ve marka terimleri; kaf ve kef harflerinin bölgesel telaffuzu |
| Mısır | Mısır | Cim harfinin sert g olarak okunması; kaf çoğu zaman gırtlak durağı; medyada çok yaygın olduğu için modeller genellikle daha fazla örneğini görmüştür |
| Levant | Suriye, Lübnan, Ürdün, Filistin | Şehir ağzında kaf gırtlak durağı olur; özellikle Lübnan’da araya Fransızca ya da İngilizce karışır |
| Mağrip (Dariya) | Fas, Cezayir, Tunus, Libya | MSA’ya en uzak grup; kısa ünlüler düşer; yoğun Fransızca geçişi; Amazigh kökenli alıntı kelimeler |
| Irak | Irak | Kendine özgü kelime dağarcığı ve telaffuz; kamuya açık eğitim sesi daha az |

Bunlar kural değil, eğilimdir. Her grubun içinde şehir ve kırsal konuşma farklıdır, gençler de daha çok dil değiştirir. Asıl nokta şu: her grup kendine özgü biçimde hata verir, bu yüzden her grubu kendi içinde puanlarsınız.

## Arapça lehçe test seti nasıl kurulur?

### 1\. Lehçe başına gerçek ses örnekleyin

Üretimde kullanacağınız kanaldan lehçe başına 30 ila 50 kayıt alın: telefon görüşmeleri, WhatsApp sesli mesajları, toplantı kayıtları. 8 kHz telefon sesi stüdyo sesinden farklı davranır. Her kaydı lehçesiyle etiketleyin, İngilizce ya da Fransızca içeren kayıtları da işaretleyin.

### 2\. Önce bir yazım kuralında anlaşın

Kimse referans yazmadan önce karar verin:

-   **Lehçeye birebir** (söyleneni lehçe yazımıyla yazmak) ya da
-   **Normalleştirilmiş** (tutarlı bir biçime eşlemek).

Seçimi örneklerle yazıya dökün. Referanslar birebirse ve model MSA’ya benzer kelimeler üretiyorsa, anlam doğru olsa bile WER berbat görünür. İki seçim de yanlış değildir. Seçim, sonraki sisteminizin neye ihtiyaç duyduğuyla uyuşmalıdır.

### 3\. Lehçe başına 10 kayıt için referans yazın

Bunları o lehçenin anadili konuşurlarına metne çevirtin. Dil değiştirilen kayıtlarda İngilizce kelimelerin Latin harfleriyle mi kalacağına karar verin ve bunu her yerde uygulayın.

### 4\. İki tarafı da normalleştirin, sonra puanlayın

Harekeleri silin, elif biçimlerini birleştirin (إ أ آ → ا), son yâ harfini birleştirin (ى → ي), noktalama işaretlerini kaldırın ve Doğu Arap rakamlarını Batı rakamlarına çevirin. Ardından şunları hesaplayın:

| Metrik | Neden |
| --- | --- |
| Lehçe başına [WER](https://broadrouter.com/tr/glossary/word-error-rate/) | Standart ölçü; bitişik zamirlere ve ön eklere karşı katı |
| Lehçe başına CER | Yazım farklılıklarına karşı daha hoşgörülü |
| Varlık doğruluğu | Birebir doğru yazılan sayı, tarih ve isimlerin oranı |
| Dil değiştirme grubu WER | İngilizce ya da Fransızca kelimelerin korunup korunmadığını gösterir |

`jiwer` paketi WER ve CER hesaplar; [Arapça WER açıklaması](https://broadrouter.com/tr/blog/arabic-asr-wer-explained/) yazısında yeniden kullanabileceğiniz bir normalleştirme fonksiyonu ve bunun puanı ne kadar değiştirdiğini gösteren çalışılmış bir örnek var.

### 5\. Transkriptleri okuyun

Bir çağrı merkezi ya da bankacılık iş akışının çalışıp çalışmayacağını sayılar belirler. Lehçe başına 20 transkript okuyun ve her sayıyı, tarihi ve ismi elle kontrol edin.

## Yayımlanmış Arapça WER değerleri size ne söyler?

Kamuya açık kıyaslamalar bir yön verir, söz vermez. BroadNet, [model kataloğunda](https://www.broadnet.ai/inference/models) BroadNet Transcribe Arabic için üç WER değeri yayımlıyor: FLEURS-ar’da (temiz okunan konuşma) 3,8, MASC-ar’da (karışık gerçek dünya konuşması) 21,1 ve kendi lehçe setinde 23,4. Aynı model için okunan konuşmadan lehçeli konuşmaya altı katlık bir sıçrama bu; kendi lehçelerinizde test etmenizin nedeni de bu.

Sağlayıcıları karşılaştırırken aynı test setinde karşılaştırın. [Open Universal Arabic ASR Leaderboard](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard) gibi bir sıralama tablosu, her modeli aynı şekilde puanladığı için işe yarar. Bir sağlayıcının kendi setinde verdiği sayı, başka bir sağlayıcınınkiyle karşılaştırılamaz.

## Lehçe transkriptlerini hangi LLM okumalı?

Transkriptler genellikle bir LLM’e gider: çağrıyı özetlemek, bir talebi yönlendirmek ya da bir soruyu yanıtlamak için. O modelin de lehçe okuyabilmesi gerekir. [Arapça için LLM seçme rehberimiz](https://broadrouter.com/tr/blog/choosing-an-llm-for-arabic/) bunun nasıl test edileceğini anlatıyor; [Qwen3.8 27B](https://broadrouter.com/tr/models/qwen3.8-27b/) de BroadNet’in Körfez ve Mısır lehçelerinde test ettiği model.

## BroadNet Inference’ın yeri

[BroadNet Transcribe Arabic](https://broadrouter.com/tr/models/cohere-transcribe-arabic/) lehçeler dahil Arapça için geliştirildi; dakikası $0.0042 (saati $0.25) tutuyor. BroadNet, modelin Open Universal Arabic ASR Leaderboard’da 37 model arasında 2. (Eylül 2026 verisi; canlı sıralamada 15 Kasım 2026 itibarıyla 39 model arasında 4.) olduğunu ve lisansı API üzerinden sunulmasına izin veren modeller arasında 1 numara olduğunu bildiriyor. Gürültülü seste sayılar, tarihler ve isimler için BroadNet [talep üzerine](https://broadrouter.com/tr/models/#on-request) ince ayarlı bir sürüm sunuyor. $5 başlangıç kredisi yaklaşık 1,190 dakikayı karşılıyor; yukarıdaki testin tamamı için yeterli. [Konuşmadan metne maliyet hesaplayıcısı](https://broadrouter.com/tools/speech-to-text-cost-calculator/) üretim hacminizi aylık faturaya çevirir. Başlamak için [bir anahtar oluşturun](https://inference.broadnet.ai/?utm_source=broadrouter&utm_medium=referral&utm_campaign=tr-blog-arabic-dialect-speech-recognition&utm_content=body).

BroadNet her lehçe grubu için ayrı WER değeri yayımlamıyor. Bu testi yapmanız gerekmesinin nedeni tam olarak bu: lehçe seti değeri tek bir sayı, müşterileriniz ise hepsini değil, bir ya da iki lehçeyi konuşuyor.

Bu konu için ücretsiz araçlar (İngilizce)

-   [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.

[Ücretsiz araçlar (İngilizce)](https://broadrouter.com/tools/)

## Bu yazıdaki terimler

[Konuşmadan metne (speech-to-text)](https://broadrouter.com/tr/glossary/speech-to-text/)

Konuşmadan metne (speech-to-text), otomatik konuşma tanıma (ASR) olarak da bilinir; konuşulan sesi yazılı metne dönüştüren teknolojidir. Bir konuşmadan metne API'si ses dosyası veya akışı alıp transkript döndürür ve genellikle ses dakikası başına fiyatlandırılır. Doğruluk kelime hata oranıyla ölçülür; aksana, lehçeye ve kayıt kalitesine göre değişir.

[Kelime hata oranı (WER)](https://broadrouter.com/tr/glossary/word-error-rate/)

Kelime hata oranı (word error rate, WER), konuşma tanımada standart doğruluk ölçüsüdür: bir transkripti doğru referansa dönüştürmek için gereken kelime değiştirme, silme ve ekleme sayısının referanstaki kelime sayısına bölümüdür. Düşük olan daha iyidir.

[Modern Standart Arapça (MSA, Fusha)](https://broadrouter.com/tr/glossary/msa/)

Modern Standart Arapça (MSA), Arap dünyasında yazıda, haberlerde, eğitimde ve resmi konuşmada kullanılan standartlaşmış Arapçadır. Kimsenin günlük ana dili değildir: insanlar Mısır veya Körfez Arapçası gibi bölgesel lehçeleri konuşur ve resmi ortamlarda MSA'ya geçer.

[Arapça lehçeler (dialectal Arabic)](https://broadrouter.com/tr/glossary/dialectal-arabic/)

Arapça lehçeler (dialectal Arabic), Mısır, Körfez, Levant veya Mağrip Arapçası gibi bir bölgenin ya da şehrin gündelik konuşulan Arapçasıdır. Lehçeler Modern Standart Arapçadan ses, kelime ve dilbilgisi bakımından ayrılır, standart bir yazımları yoktur ve internette giderek daha çok yazılırlar; bu da onları dil modelleri için zorlaştırır.

[Kod değiştirme (code-switching)](https://broadrouter.com/tr/glossary/code-switching/)

Kod değiştirme (code-switching), konuşmada veya yazıda aynı sohbet ya da cümle içinde iki veya daha fazla dilin ya da bir dilin varyantlarının kullanılmasıdır. Örnekler arasında Arapça konuşanların lehçeye İngilizce kelimeler karıştırması veya Modern Standart Arapça ile kendi lehçeleri arasında gidip gelmesi vardır.

[Karakter hata oranı (CER)](https://broadrouter.com/tr/glossary/character-error-rate/)

Karakter hata oranı (CER), transkripsiyon veya OCR doğruluğunu karakter düzeyinde ölçer: çıktıyı referans metne dönüştürmek için gereken değiştirme, silme ve ekleme sayısı, referanstaki karakter sayısına bölünür. Düşük olan daha iyidir; 0 tam eşleşme demektir.

[Araç çağırma (tool calling)](https://broadrouter.com/tr/glossary/tool-calling/)

Araç çağırma (tool calling), fonksiyon çağırma (function calling) olarak da bilinir; modelin, geliştiricinin tanımladığı bir fonksiyonu çalıştırmak için JSON argümanlı yapılandırılmış bir istek döndürdüğü bir LLM API özelliğidir. Fonksiyonu uygulama çalıştırır ve sonucu geri gönderir; model hiçbir zaman kodu kendisi çalıştırmaz.

## Sık sorulan sorular

### Konuşma tanıma için en zor Arapça lehçe hangisi?

Evrensel bir sıralama yok; modelin eğitim verisine bağlı. Fas ve Cezayir Arapçası gibi Mağrip lehçeleri, Modern Standart Arapçaya en uzak oldukları ve araya Fransızca kattıkları için genellikle zordur. Genel bir sıralamaya güvenmek yerine kendi lehçenizi test edin.

### Konuşmadan metne modelleri Mısır Arapçasını anlar mı?

Mısır Arapçası medyada çok kullanıldığı için çoğu zaman daha nadir lehçelerden iyi anlaşılır, ama resmî Arapçaya göre daha düşük doğruluk bekleyin. Kendi kayıtlarınızda ölçün.

### Arapça için WER mi kullanmalıyım, CER mi?

İkisini de kullanın. WER kelimeleri bütün olarak sayar; yanlış bir ön ek ya da bitişik zamir bütün kelimeyi hatalı yapar. CER karakterleri sayar ve yazım farklılıklarına karşı daha hoşgörülüdür; standart yazımı olmayan lehçelerde bu önemlidir.

### Bir Arapça ASR sağlayıcısını test etmek için kaç ses kaydı gerekir?

Lehçe başına yaklaşık 30 ila 50 gerçek kayıt; bunların en az 10 tanesi referans olarak elle metne çevrilmiş olmalı. Bu, sağlayıcılar arasındaki büyük farkları görmeye yeter.

### Arapça lehçeler için dil kodu önemli mi?

language=ar gönderin. Çoğu API'de lehçeler ortak ar kodunu kullanır. Bu kod olmadan bazı modeller Arapça konuşmayı Latin harflerine çevrilmiş (transliterasyon) olarak döndürür.

## Okumaya devam edin

-   [Arapça ses metne çevirme API: 2026'da nasıl seçilir?](https://broadrouter.com/tr/blog/arabic-speech-to-text-api-buyers-guide/)
-   [Arapça için LLM API seçimi: neler test edilmeli?](https://broadrouter.com/tr/blog/choosing-an-llm-for-arabic/)
-   [Whisper API alternatifi: ne zaman geçilir, nasıl test edilir](https://broadrouter.com/tr/blog/whisper-api-alternative/)
-   [Çağrı merkezi kayıtlarını metne çevirme: Arapçaya hazır bir hat](https://broadrouter.com/tr/blog/transcribe-call-center-recordings/)
-   [Arapça sesi API ile İngilizce metne çevirme: test edilmiş bir hat](https://broadrouter.com/tr/blog/translate-arabic-audio-to-english/)
-   [LLM ile Arapça metne hareke ekleme: istem, kontrol, DER](https://broadrouter.com/tr/blog/arabic-diacritization-llm/)
-   [LLM ile Arapça dil bilgisi ve yazım düzeltme: adım adım](https://broadrouter.com/tr/blog/arabic-grammar-spelling-correction-llm/)
-   [Rehber: Adım adım Arapça ses metne çevirme API'si](https://broadrouter.com/tr/guides/arabic-speech-to-text-api/)

Gerçek iş yükünüzle deneyin. Yeni hesaplar şunlar için US$5 kredi ile başlar: Gemma ve transkripsiyon. Bakiye yüklemesi gerekenler: DeepSeek, GLM ve Qwen3.8.

[Başlayın](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=tr-blog-arabic-dialect-speech-recognition&utm_content=page-cta) ·

**Kaynaklar**

-   [Talafha vd., Casablanca: Data and Models for Multidialectal Arabic Speech Recognition (EMNLP 2024; erişim tarihi 2026-11-14)](https://aclanthology.org/2024.emnlp-main.1211)
-   [Wang, Alhmoud ve Alqurishi, Open Universal Arabic ASR Leaderboard (Interspeech 2025; arXiv 2412.13788; erişim tarihi 2026-11-14)](https://arxiv.org/abs/2412.13788)
-   [Dialectal Coverage and Generalization in Arabic Speech Recognition (arXiv 2411.05872; erişim tarihi 2026-11-14)](https://arxiv.org/abs/2411.05872)
-   [Open Universal Arabic ASR Leaderboard, Hugging Face Space (erişim tarihi 2026-11-14)](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)
-   [BroadNet model kataloğu, konuşmadan metne: BroadNet'in bildirdiği WER değerleri (erişim tarihi 2026-11-14) (İngilizce)](https://www.broadnet.ai/inference/models)
