Franko-Arapça ya da “Franco” da denen Arabizi, Latin alfabesinde olmayan sesler için ع yerine 3, ح yerine 7 gibi rakamlar kullanarak Latin harfleriyle yazılan Arapçadır. Bir LLM ile ele almak için onu tespit edin, lehçeyi belirterek modelin Arap yazısına dönüştürmesini sağlayın ve hattınızın geri kalanını Arapça metin üzerinde çalıştırın.
“ana 3ayez a7gez ma3ad bokra”, Mısır’da sıradan bir müşteri mesajıdır: “أنا عايز أحجز ميعاد بكرة” (yarın için randevu almak istiyorum). Arapça klavyesi olmayan telefon ve bilgisayarlarda ortaya çıktı ve sohbetlerde hâlâ görülüyor.
Hangi rakamlar hangi Arap harflerini temsil ediyor?
Bir standart yok, ama rakamlar onlara benzeyen ya da Latin karşılığı olmayan Arap harfleri için kullanılıyor. Arapça sohbet alfabesi genel bakışı yaygın kuralları listeliyor:
| Rakam | Arap harfi | Örnek | Arap yazısı | Anlam |
|---|---|---|---|---|
| 2 | ء (hemze) / أ | so2al | سؤال | soru |
| 3 | ع | 3arabi | عربي | Arapça |
| 3’ ya da 8 | غ | 8aly / 3’aly | غالي | pahalı |
| 5 ya da kh | خ | 5alas | خلاص | tamam / yeter |
| 6 | ط | 6ayeb | طيب | peki (Körfez) |
| 7 | ح | 7abibi | حبيبي | canım |
| 9 | ص | 9ba7 | صباح | sabah (Körfez) |
| 8 | ق (bazı bölgelerde) | 8alb | قلب | kalp |
Bölgesel alışkanlıklar farklı. Genel bakış örneğin غ için 8’in yalnızca Lübnan’da kullanıldığını, ق için 8 ve 9’un ise Suudi Arabistan’da yaygın olduğunu belirtiyor; Mısır Arabizi’sinde, gırtlak durması olarak telaffuz edildiği yerde 2, ق yerine geçebiliyor. Ünlüler kulağa göre yazılır; bu yüzden “ma3lesh”, “ma3lsh” ve “m3lsh” (معلش, boş ver) aynı kelimedir.
Arabizi yazılım için neden zor?
- Neredeyse her zaman lehçedir. İnsanlar Arabizi’yi konuştukları gibi yazar; bu yüzden tüm lehçe zorluklarını aynı anda taşır ve onları sabitleyecek bir Arap yazısı yoktur.
- İngilizce ya da Fransızcaya benzer. “bas” Arapçada بس (ama / sadece) demektir, İngilizcede hiçbir şey değildir; “men” من (-den / kim) demektir. Anahtar kelime dedektörleri ve dil tanıma araçları Arabizi’yi çoğu zaman İngilizce ya da başka bir Latin harfli dil olarak etiketler.
- Standart bir yazım yok. Tam eşleşmeli arama, niyet kuralları ve analizler bozulur.
- Code-switching. “el order bta3i lessa ma waslsh, can u check?” tek cümlede Mısır Arabizi’sini ve İngilizceyi karıştırır.
Kural tabanlı dönüştürücüler zorlanır, çünkü tek bir Latin dizesi birçok Arapça yazıma karşılık gelebilir; Darwish’in Arabizi tespiti ve dönüştürme çalışması gibi araştırma sistemleri, doğru kelimeyi seçmek için harf aktarımı madenciliğini dil modellemesiyle birleştirdi ve %88,7 dönüştürme doğruluğu bildirdi. Modern LLM’ler bunu fiilen tek adımda yapıyor.
LLM’ler Arabizi ile ne kadar iyi başa çıkıyor?
Büyük modeller Arabizi’yi web ve sosyal medya metinlerinde gördü; bu yüzden yaygın ifadeleri çoğu zaman anlarlar. Sonuçlar modele ve lehçeye göre değişir; güvenmeden önce test edin. Tipik hata biçimleri:
- İngilizce sanmak ve yanlış okunmuş bir mesaja yanıt vermek.
- Yanlış lehçeye dönüştürmek; örneğin Mısır Arapçasını tonu değiştiren MSA kelimelerine “çevirmek” ya da kullanıcı Lübnanlıyken Körfez lehçesi tahmin etmek.
- Tutarsız çıktı yazısı; bir mesaja Arabizi ile, bir sonrakine Arap yazısıyla yanıt vermek.
- Latin yazımının belirsiz olduğu adlar ve yerlerde halüsinasyonlu kesinlik.
Çözüm, lehçelerde genel olarak olduğu gibi: modele ne bekleyeceğini ve ne üreteceğini söyleyin.
LLM ile Arabizi’yi Arap yazısına nasıl dönüştürürsünüz?
Önce Arabizi’yi Arap yazısına dönüştürün, sonra hattınızın geri kalanını (arama, yönlendirme, yanıtlar) Arapça metin üzerinde çalıştırın. Bu, tek bir kod yolu tutar ve arama ile analizlerin çalışmasını sağlar.
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?"))
İyi bir sonuç:
{"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?"}
Bu tasarımla ilgili notlar:
- Lehçe kelimelerini koruyun. “Mesajı lehçe kelimelerini koruyarak Arap yazısıyla” istemek, onu sessizce MSA’ya yeniden yazmayı önler; bu yönlendirme ve duygu analizi için anlam kaybettirirdi.
- Özgün metni saklayın. Denetimler ve kuralları yeniden eğitmek için ham mesajı dönüştürülmüş hâlinin yanında saklayın.
- Ucuz bir ön süzgeç kullanın. Basit bir denetim (aşağıdaki regex’te olduğu gibi, kelimelerin içinde Latin harfleri artı 2, 3, 5, 6, 7, 8 veya 9 rakamları), bir LLM çağrısı harcamadan önce Arabizi’nin çoğunu yakalar. Saf Arapça ya da saf İngilizce mesajlar dönüştürmeyi atlayabilir. Daha katı çıktı için bir şemayla yapılandırılmış çıktı kullanın.
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)
Bu ipucu rakamsız Arabizi’yi (“ana mesh fahem”, anlamıyorum) kaçırır ve “a7x” gibi ürün kodlarında tetiklenir; onu bir sınıflandırıcı değil, maliyet tasarrufu olarak görün. Asıl kararı LLM’in script alanı verir.
Yanıt hangi yazıyı kullanmalı?
Mesaj bazında değil, ürün bazında karar verin:
| Yanıt dili | Ne zaman |
|---|---|
| Arap yazısı (MSA ya da hafif lehçe) | Çoğu işletme için varsayılan; herkes okuyabilir |
| İngilizce | Destek diliniz İngilizceyse ya da müşteri çoğunlukla İngilizce karıştırdıysa |
| Arabizi | Müşterinin üslubuna uymak isteyen genç markalar; örnekleri anadili Arapça olan kişilerle inceleyin |
Arabizi’yi otomatik olarak taklit etmek, izlenecek bir standart olmadığı için anadili Arapça olan kullanıcılara tuhaf görünen yazımlar üretme eğilimindedir. Taklit ediyorsanız modele tercih ettiğiniz yazımlardan örnekler verin. Dil düzeyini ve yazıyı belirleme hakkında daha fazlası Arapça istem mühendisliği yazısında.
Arabizi için hangi modeli kullanmalısınız?
Kanallarınızdan 50 ila 100 gerçek Arabizi mesajı toplayın, her biri için doğru Arap yazısı sürümünü ve niyeti yazın ve aday modelleri önce niyet doğruluğuna, sonra dönüştürme kalitesine göre puanlayın. BroadNet, testlerinde Qwen3.8 27B’nin Körfez ve Mısır lehçelerini anladığını ve akıcı Arapça yazdığını bildiriyor; Arabizi’ye özel bir sonuç yayımlamadı, bu yüzden kendi mesajlarınızda test edin. DeepSeek V4.1 Flash çıktı token’ı başına daha ucuz; BroadNet Gemma 4 VL 26B ise yüksek hacimli bir ön sınıflandırma adımı için en ucuz BroadNet modeli. Fiyatlar fiyatlar sayfasında. Latin harfli Arabizi ile Arap yazısı farklı tokenize edilir; bu yüzden maliyeti tahmin etmeden önce birkaç mesajın iki sürümünü de ücretsiz token sayacına yapıştırın.
Arabizi nerelerde karşınıza çıkar?
- WhatsApp ve sosyal medya mesajları: ana kaynak. Bkz. Arapça WhatsApp sohbet botu mimarisi.
- Arama kutuları: kullanıcılar “7agz” (حجز, rezervasyon) yazar. Arapça RAG aramasından önce sorguları aynı adımla normalleştirin.
- Dili gönderirseniz konuşmadan metinden değil. Arabizi’yi insanlar yazar. Arapça sesin transkripti Latin harfleriyle dönüyorsa, istekte büyük olasılıkla
language=areksiktir; BroadNet’in belgeleri aksi hâlde Arapçanın harf aktarımına uğrayabileceği konusunda uyarıyor. Bkz. WhatsApp sesli mesaj rehberi.
