Arabizi وہ طریقہ ہے جس سے بہت سے عربی بولنے والے فون پر ٹائپ کرتے ہیں: عربی الفاظ، لاطینی کی بورڈ، اور غائب آوازوں کے لیے چند ہندسے۔
یہ کیسے کام کرتی ہے
Darwish (2014) عربیزی کو، جسے Arabish یا Franco-Arab بھی کہتے ہیں، لاطینی شکل میں transliterate کی گئی عربی بتاتے ہیں جو ان حروف کے لیے ہندسے استعمال کرتی ہے جو انگریزی میں نہیں: “2” اور “3” ہمزہ کی آواز اور ع کے لیے ہیں۔ یہ اس لیے پھیلی کہ پرانے براؤزر اور فون عربی رسم الخط نہیں دکھا پاتے تھے۔ یہ آج بھی اس لیے باقی ہے کہ لوگ اس کے عادی ہیں اور انگریزی کی بورڈ پر تیزی سے ٹائپ کرتے ہیں۔
تین خصوصیات اسے سافٹ ویئر کے لیے مشکل بناتی ہیں:
- کوئی طے شدہ املا نہیں۔ Shazal، Usman اور Habash (2020) بتاتے ہیں کہ سوشل میڈیا کی عربیزی بول چال کی عربی ہے، جس کی کوئی معیاری املا نہیں، اور عربی رسم الخط میں اس کی میپنگ ایک سے ایک نہیں۔
- انگریزی یا فرانسیسی سے ملی ہوئی۔
w aletli Tuesday(“اور اس نے مجھے Tuesday بتایا”) جیسا پیغام دونوں کو ملاتا ہے، جو code-switching ہے۔ - پہلے شناخت۔ تبدیل کرنے سے پہلے سافٹ ویئر کو طے کرنا ہوتا ہے کہ کون سے الفاظ عربیزی ہیں۔ Darwish ایک کلاسیکی پائپ لائن سے 98.5% شناختی درستی اور 88.7% تبدیلی کی درستی بتاتے ہیں؛ 2020 کا sequence-to-sequence ماڈل مشترکہ کام کے blind ٹیسٹ سیٹ پر 80.6% لفظی درستی تک پہنچتا ہے۔
LLM API کے لیے tokenizer میں عربیزی عربی رسم الخط سے مختلف برتاؤ کرتی ہے، کیونکہ یہ ایسی املا والا لاطینی متن ہے جو ذخیرۂ الفاظ نے کم ہی دیکھا ہے۔
یہ کیوں اہم ہے
اگر آپ خلیج، مصر یا شام کے علاقے میں چیٹ بوٹ، سرچ یا اینالیٹکس چلاتے ہیں تو آپ کے کچھ صارفین عربیزی میں ٹائپ کریں گے۔ عربی رسم الخط کے لیے بنے کی ورڈ سرچ، intent اصول اور sentiment ٹولز وہ پیغامات چھوڑ دیں گے۔ ایک عام حل یہ ہے کہ روٹنگ یا انڈیکسنگ سے پہلے LLM سے، لہجے کا نام دے کر، عربیزی کو عربی رسم الخط میں بدلوائیں، اور اصل متن محفوظ رکھیں۔ عربیزی ہینڈلنگ گائیڈ پرامپٹس اور جواب کے رسم الخط کے انتخاب سمجھاتی ہے۔
BroadNet Inference پر
BroadNet کے پاس عربیزی کے لیے کوئی خاص فیچر نہیں؛ چیٹ ماڈل اسے عام متن کی طرح لیتے ہیں۔ BroadNet بتاتا ہے کہ اس نے Qwen3.8 27B کو عربی میں آزمایا اور وہ خلیجی اور مصری لہجے سمجھتا ہے، جو عربیزی ٹیسٹس کے لیے نقطۂ آغاز ہے۔ LLM کے ساتھ خلیجی اور مصری لہجے دیکھیں۔
اسپیچ الگ معاملہ ہے۔ BroadNet کی دستاویزات خبردار کرتی ہیں کہ language کے بغیر عربی آڈیو لاطینی حروف میں transliterate ہو سکتا ہے۔ وہ آؤٹ پٹ عربیزی جیسا دکھتا ہے، لیکن بولنے والے سے نہیں، درخواست سے آتا ہے۔ BroadNet Transcribe Arabic کو language=ar بھیجیں۔