---
title: "用大模型做阿拉伯语英语翻译：提示词与质量检查 | BroadRouter"
description: "用大模型 API 做阿拉伯语与英语互译：保持语气的提示词、固定术语的术语表、数字与人名的处理，以及如何评估翻译质量。"
url: https://broadrouter.com/zh/blog/arabic-english-translation-llm/
lang: zh-Hans
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

本页由英文原文借助 AI 翻译。[阅读英文原文](https://broadrouter.com/blog/arabic-english-translation-llm/)（2026-11-14 更新）。

# 用大模型做阿拉伯语与英语互译：提示词、术语表与质量评估

BroadNet Inference 团队 · 阅读约 5 分钟 · 发布于 2026-11-14

用大模型做阿拉伯语与英语互译，要告诉模型受众、语体和一份固定术语的术语表，要求数字和人名保持不变，并按段落大小分块翻译。用 chrF 或 COMET 加上母语者审校来评估。在 BroadNet 的测试中，Qwen3.8 27B 能在阿拉伯语和英语之间准确翻译。

## 要点

-   写明翻译方向、受众和语体：“面向沙特零售客户，礼貌的 MSA”远胜于“翻译成阿拉伯语”。
-   固定术语的术语表能让产品、法律和界面术语在每个分块、每次调用中保持一致。
-   用代码或人工审校检查数字、日期、人名和否定；这些错误代价最高。
-   自动评分用 chrF 或 COMET；凡是面向客户或具有法律效力的内容，都要请母语者审校。
-   BroadNet 报告，在其测试中 Qwen3.8 27B 的阿拉伯语与英语互译是准确的。

**本页内容**

1.  为什么阿拉伯语与英语互译对大模型来说很棘手？
2.  什么样的提示词能得到好的阿拉伯语译文？
3.  为什么术语表这么重要？
4.  长文档应该如何切分？
5.  如何发现危险的错误？
6.  如何评估翻译质量？
7.  应该用哪个模型，要花多少钱？
8.  可以把合同和工单发给 API 吗？

用大模型做阿拉伯语与英语互译，要告诉模型翻译方向、受众和语体，给它一份固定术语的术语表，保持数字和人名不变，并按段落大小分块发送。然后用代码检查数字和否定，用 chrF、COMET 和母语审校者打分。

这种控制在阿拉伯语中尤其重要：直译可能完全正确，读起来却仍然像外国话。

## 为什么阿拉伯语与英语互译对大模型来说很棘手？

-   \*\*语体。\*\*正式阿拉伯语（[现代标准阿拉伯语](https://broadrouter.com/zh/glossary/msa/)，فصحى）与日常口语差别很大。一句在英语中轻松随意的营销文案，按字面译成 MSA 可能变得生硬甚至滑稽。
-   \*\*语序和长度。\*\*阿拉伯语句子常以动词开头，阿拉伯语文本的长度也常与英语不同。英语里放得下的界面字符串，可能会换行或溢出。
-   \*\*性和数。\*\*阿拉伯语在动词、形容词和代词上标记性别，还有双数。英语的“you”必须变成 أنتَ、أنتِ、أنتما、أنتم 或 أنتنّ。如果你不知道读者是谁，就告诉模型用哪种默认形式。
-   **人名和音译。**“محمد”有很多种英文拼法（Mohammed、Muhammad、Mohamed）。每个人选定一种并坚持使用。
-   \*\*数字和日期。\*\*东阿拉伯数字、伊斯兰历日期和从右到左的格式，都需要明确的规则。

## 什么样的提示词能得到好的阿拉伯语译文？

翻译质量更多取决于指令，而不是措辞技巧。告诉模型翻译方向、受众、语体、术语表和输出格式：

```python
import os
from openai import OpenAI

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

GLOSSARY = """Invoice = فاتورة
VAT = ضريبة القيمة المضافة
Refund = استرداد المبلغ
Terms and Conditions = الشروط والأحكام
BroadPay = BroadPay (do not translate)"""

SYSTEM = f"""You translate customer-support articles from English to Arabic.
Audience: retail customers in Saudi Arabia and the UAE.
Register: clear, polite Modern Standard Arabic; short sentences; address the reader
in the masculine singular as a neutral default.
Rules:
- Use the glossary exactly. Never translate product names marked "do not translate".
- Keep every number, date, URL, email address and code snippet unchanged.
- Keep Markdown structure (headings, lists, links) unchanged.
- Output only the translation.
Glossary:
{GLOSSARY}"""

def translate(text: str) -> str:
    r = client.chat.completions.create(
        model="broadnet/qwen3.8-27b",
        max_tokens=4000,  # the model reasons before answering
        messages=[{"role": "system", "content": SYSTEM},
                  {"role": "user", "content": text}],
    )
    return r.choices[0].message.content
```

阿拉伯语 → 英语时，把方向反过来，并加上英语读者需要的说明：“American English, plain style, keep Arabic personal names in the spelling given in the glossary”（美式英语、平实风格，阿拉伯语人名使用术语表中给定的拼法）。如果原文可能是方言，就写明：“The source may be Gulf or Egyptian Arabic; translate the meaning, not word for word.”（原文可能是海湾或埃及阿拉伯语；翻译意思，不要逐字翻译。）

## 为什么术语表这么重要？

没有术语表，模型可能在一段里把“refund”译成 استرجاع，下一段又译成 استرداد。两者都是正确的阿拉伯语，但放在一起显得粗心，还会影响搜索。术语表可以解决这个问题：

1.  \*\*从现有译文入手。\*\*从帮助中心、合同和已有双语版本的界面字符串中提取术语。
2.  \*\*保持精简。\*\*五十到两百个术语就能覆盖大多数产品。只收录必须保持一致的术语。
3.  \*\*包含不翻译项。\*\*品牌名、产品名、套餐名和代码标识符。
4.  \*\*放在系统提示词里、正文之前。\*\*这样它也处于可缓存的前缀中，能降低重复调用的输入成本；参见[缓存输入 token](https://broadrouter.com/zh/blog/cached-input-tokens-explained/)。
5.  \*\*用代码检查。\*\*翻译完成后，核实原文中出现的每个术语，在译文中都以固定形式出现。

## 长文档应该如何切分？

按段落或小节分块翻译，而不是逐句翻译。逐句调用会丢失上下文（“他”是谁，“它”指的是哪个产品）。整篇文档一次调用在长上下文模型上可行，但单个错误更难发现、也更难重试。几百词的一个小节是不错的平衡。如果一致性很重要，就把上一节的译文作为上下文一并传入。

[Qwen3.8 27B](https://broadrouter.com/zh/models/qwen3.8-27b/) 的上下文为 262,144 token；[DeepSeek V4.1 Flash](https://broadrouter.com/zh/models/deepseek-v4.1-flash/) 和 [GLM 5.3](https://broadrouter.com/zh/models/glm-5.3/) 最多可接受 1,048,576 token，足以在待译文本旁附上一份很长的参考文档。

## 如何发现危险的错误？

流畅的输出会掩盖错误。以下几项要自动检查：

-   \*\*数字：\*\*从原文和译文中提取所有数字（先转换东阿拉伯数字），比较两组数字。
-   \*\*否定：\*\*漏掉一个“不”（لا、لم、لن、ليس、ما）会让意思完全相反。标出原文有否定、译文却没有的句子。
-   \*\*人名和术语：\*\*核实它们原样保留。
-   \*\*长度比：\*\*译文比预期短得多，通常意味着有内容被漏掉了。

```python
import re
EASTERN = str.maketrans("٠١٢٣٤٥٦٧٨٩", "0123456789")

def numbers(s: str) -> list[str]:
    return sorted(re.findall(r"\d+(?:[.,]\d+)?", s.translate(EASTERN)))

def check(src: str, tgt: str) -> list[str]:
    issues = []
    if numbers(src) != numbers(tgt):
        issues.append(f"numbers differ: {numbers(src)} vs {numbers(tgt)}")
    return issues
```

不同语言区域的小数点可能不同（阿拉伯语文本有时使用 ٫），如果你的文档里用到了，也要一并规范化。

## 如何评估翻译质量？

自动指标告诉你，修改提示词或模型之后，平均来说效果是变好了还是变差了：

| 指标 | 衡量什么 | 用于阿拉伯语时的注意事项 |
| --- | --- | --- |
| BLEU | 与参考译文的词 n-gram 重合度 | 对阿拉伯语很苛刻，因为附着词和拼写变体会改变词形 |
| [chrF](https://aclanthology.org/W15-3049/) | 字符 n-gram 重合度 | 对阿拉伯语词法更宽容，是更好的默认选择 |
| [COMET](https://arxiv.org/abs/2009.09025) | 神经网络模型对质量的判断 | 与人工评分的相关性更好；需要 GPU 或托管的评分服务 |

公开基准方面，[No Language Left Behind](https://arxiv.org/abs/2207.04672) 项目使用的 FLORES-200，根据其[语言列表](https://github.com/facebookresearch/flores/blob/main/flores200/README.md)，除英语外还包括现代标准阿拉伯语以及埃及、纳季德、北黎凡特、南黎凡特、美索不达米亚、摩洛哥、突尼斯和塔伊兹-亚丁阿拉伯语。但真正的测试是你自己的内容：

1.  取 100 到 200 个有代表性、已有专业译文的片段。
2.  用每个模型和每个提示词版本翻译它们。
3.  对所有系统用同样的方式规范化阿拉伯语拼写后，计算 chrF（能算 COMET 的话也算上）。
4.  请母语者在不知道是哪个系统产出的情况下，对每个系统的 30 个片段按准确性和自然度打分。
5.  把上面的危险错误检查单独计数跟踪。

## 应该用哪个模型，要花多少钱？

BroadNet 报告，在其测试中 [Qwen3.8 27B](https://broadrouter.com/zh/models/qwen3.8-27b/) 能在阿拉伯语和英语之间准确翻译，写出流畅的阿拉伯语，并能理解海湾和埃及方言。这使它成为 BroadNet Inference 上自然的首选候选。[DeepSeek V4.1 Flash](https://broadrouter.com/zh/models/deepseek-v4.1-flash/) 也值得测试：它的输出 token 更便宜，也是不限量固定价格套餐所用的模型。[DeepSeek V4.1 Flash 与 Qwen3.8 27B 对比](https://broadrouter.com/compare/deepseek-v4.1-flash-vs-qwen3.8-27b/)把两者并排做了比较。

每百万 token：

| 模型 | 输入 | 输出 |
| --- | --- | --- |
| Qwen3.8 27B | $0.175 | $2.17 |
| DeepSeek V4.1 Flash | $0.175 | $0.52 |
| GLM 5.3 | $0.78 | $3.46 |

翻译的输出与输入长度相当，而且这三个模型都会先思考再作答，所以账单通常以输出 token 为主。阿拉伯语每个词往往也比英语需要更多 token；参见[阿拉伯语与英语每词 token 数](https://broadrouter.com/zh/blog/tokens-per-word-arabic-english/)。把样本粘贴到免费的[阿拉伯语 token 计数器](https://broadrouter.com/tools/arabic-token-counter/)，用真实请求的 `usage` 确认，再用 [LLM API 成本计算器](https://broadrouter.com/tools/llm-api-cost-calculator/)估算每月支出。如果是在 DeepSeek V4.1 Flash 上做大型一次性本地化项目，$15 的周套餐可以完全免去 token 计费。

## 可以把合同和工单发给 API 吗？

合同、医疗信函和客服工单常常包含个人数据。请求结束后，BroadNet Inference 不保留提示词或输出；参见[零数据保留](https://broadrouter.com/zh/privacy/)。请确认你的翻译记忆库和日志也遵循同样的规则。

相关免费工具（英文）

-   [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.

[免费工具（英文）](https://broadrouter.com/tools/)

## 本文涉及的术语

[Token（词元）](https://broadrouter.com/zh/glossary/token/)

token（词元）是大语言模型读写文本的基本单位：由模型的分词器切分出的一个词、词的一部分、一个标点或一段字节序列。大模型 API 按 token 计数、设定限制，通常也按 token 计费。

[现代标准阿拉伯语（MSA）](https://broadrouter.com/zh/glossary/msa/)

现代标准阿拉伯语（MSA）是阿拉伯世界在书面、新闻、教育和正式讲话中使用的标准化阿拉伯语。它不是任何人日常使用的母语：人们平时说埃及阿拉伯语、海湾阿拉伯语等地区方言，在正式场合才切换到 MSA。

[输入 token 与输出 token](https://broadrouter.com/zh/glossary/input-and-output-tokens/)

输入 token 是语言模型在一次请求中读取的 token，包括系统提示词、对话历史、工具定义和图片。输出 token 是模型生成回复的 token，包括思考内容。大模型 API 通常分别计价，输出一般更贵。

[阿拉伯语方言（dialectal Arabic）](https://broadrouter.com/zh/glossary/dialectal-arabic/)

阿拉伯语方言是某个地区或城市日常使用的口语阿拉伯语，例如埃及、海湾、黎凡特或马格里布阿拉伯语。方言在语音、词汇和语法上都不同于现代标准阿拉伯语，没有标准拼写，而且越来越多地出现在网络文字中，这让语言模型更难处理。

[工具调用（tool calling / function calling）](https://broadrouter.com/zh/glossary/tool-calling/)

工具调用（也叫函数调用，function calling）是大模型 API 的一项功能：模型返回一个结构化请求，要求执行开发者定义的某个函数，并附上 JSON 参数。应用执行该函数并把结果发回；模型自己从不执行代码。

[从右到左（RTL）文本](https://broadrouter.com/zh/glossary/rtl-text/)

从右到左（RTL）文本是指阿拉伯语、希伯来语等从右向左显示的文字。计算机按逻辑阅读顺序存储它；当它与从左到右的文字、数字、模型名或代码混排时，由 Unicode 双向算法决定显示顺序。

[大模型包月套餐（flat-rate LLM plan）](https://broadrouter.com/zh/glossary/flat-rate-llm-plan/)

大模型包月套餐（固定价格套餐）是按一个周期（如一个月）收取固定费用、提供大模型 API 使用权的计价方式，不按 token 计费。这类套餐通常会限制别的东西，如并发、速度、模型或使用时间窗口，所以限制条件和价格同样重要。

[个人身份信息（PII）](https://broadrouter.com/zh/glossary/pii/)

个人身份信息（PII）是可用于区分或追溯个人身份的信息，例如姓名、身份证号或生物特征记录，以及与该人关联或可关联的其他信息。GDPR 用的是更宽泛的“个人数据”。在大模型应用中，PII 脱敏会在提示词离开你的系统之前将其移除。

## 常见问题

### 翻译阿拉伯语，大模型比专门的翻译 API 好吗？

对于简短、通用的文本，差别可能不大。当你需要控制语气、术语、格式或处理方言输入时，大模型更胜一筹，因为你可以在提示词里准确说明你想要什么。

### 模型能把方言阿拉伯语翻译成英语吗？

通常可以，因为翻译取决于理解，而模型理解方言的能力强于书写方言。BroadNet 报告，在其测试中 Qwen3.8 27B 能理解海湾和埃及方言。请找母语者抽查样本。

### 法律文件可以用机器翻译吗？

可以用大模型出初稿、帮助理解，但凡是具有法律效力的内容，都要请有资质的译员审校。许多司法管辖区还要求正式提交的文件使用经认证的人工翻译。

### 为什么阿拉伯语译文的 token 比英语多？

分词器往往把阿拉伯语的每个词切成比英语更多的 token。把样本粘贴到 token 计数器里，再用真实请求返回的 usage.prompt\_tokens 和 usage.completion\_tokens 确认。

### 评估阿拉伯语机器翻译应该用哪个指标？

默认用 chrF 作为自动评分，因为字符 n-gram 比 BLEU 更能应付阿拉伯语的附着词和拼写变体。如果能运行 COMET 就加上，并请母语者对每个系统的 30 个以上片段做盲评。

## 继续阅读

-   [如何选择阿拉伯语大模型 API：该测试什么](https://broadrouter.com/zh/blog/choosing-an-llm-for-arabic/)
-   [阿拉伯语提示词工程：语体、RTL、数字与中英混排](https://broadrouter.com/zh/blog/arabic-prompt-engineering/)
-   [阿拉伯语与英语每词 token 数：为什么阿拉伯语更贵](https://broadrouter.com/zh/blog/tokens-per-word-arabic-english/)
-   [JSON 模式与 json\_schema：靠得住的结构化输出](https://broadrouter.com/zh/blog/structured-output-json-schema/)
-   [用大模型把应用字符串翻译成阿拉伯语：占位符与复数](https://broadrouter.com/zh/blog/translate-app-strings-to-arabic-llm/)
-   [用 API 把阿拉伯语音频翻译成英文文本：一条经过测试的流水线](https://broadrouter.com/zh/blog/translate-arabic-audio-to-english/)
-   [用大模型给阿拉伯语加注音符号：提示词、校验与 DER](https://broadrouter.com/zh/blog/arabic-diacritization-llm/)
-   [用大模型做阿拉伯语语法和拼写纠错：实操指南](https://broadrouter.com/zh/blog/arabic-grammar-spelling-correction-llm/)
-   [指南：用 OpenAI Python SDK 调用 BroadNet Inference](https://broadrouter.com/zh/guides/openai-python-sdk/)
-   [指南：用视觉模型识别阿拉伯语发票和收据](https://broadrouter.com/zh/guides/read-arabic-invoices-with-vision/)

用你的真实业务负载试一试。新账户可获得 US$5 初始额度，用于 Gemma和转写。DeepSeek、GLM和Qwen3.8 需要先充值。

[开始使用](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-arabic-english-translation-llm&utm_content=page-cta) ·

**来源**

-   [BroadNet Inference 价格页面，Qwen3.8 27B 的“Tested in Arabic”说明（2026-11-14 获取）（英文）](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-arabic-english-translation-llm&utm_content=sources)
-   [Popović，chrF: character n-gram F-score for automatic MT evaluation（WMT 2015；2026-11-14 获取）](https://aclanthology.org/W15-3049/)
-   [Rei 等，COMET: A Neural Framework for MT Evaluation（arXiv 2009.09025；2026-11-14 获取）](https://arxiv.org/abs/2009.09025)
-   [NLLB Team，No Language Left Behind（在 FLORES-200 上评估；arXiv 2207.04672；2026-11-14 获取）](https://arxiv.org/abs/2207.04672)
-   [FLORES-200 语言列表（MSA 以及埃及、纳季德、黎凡特、美索不达米亚、摩洛哥、突尼斯和塔伊兹-亚丁阿拉伯语；2026-11-14 获取）](https://github.com/facebookresearch/flores/blob/main/flores200/README.md)
