---
title: "用大模型识别并转换 Arabizi（拉丁化阿拉伯语） | BroadRouter"
description: "Arabizi 用拉丁字母书写阿拉伯语，用 3 表示 ع、7 表示 ح。如何识别它、用大模型把它转换成阿拉伯字母，以及如何正确回复。"
url: https://broadrouter.com/zh/blog/arabizi-llm-handling/
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/arabizi-llm-handling/)（2026-11-16 更新）。

# Arabizi 与大模型：处理用 3、7 等数字书写的拉丁化阿拉伯语

BroadNet Inference 团队 · 阅读约 5 分钟 · 发布于 2026-11-14 · 更新于 2026-11-16

Arabizi 也叫 Franco-Arabic，是用拉丁字母书写的阿拉伯语，拉丁字母里没有的音用数字表示：3 表示 ع，7 表示 ح，2 表示 ء，5 表示 خ。大模型通常能看懂它，但转换结果不稳定。先识别它，再让模型在指明方言的前提下转写成阿拉伯字母，然后处理阿拉伯语文本。

## 要点

-   常见数字：2 = ء，3 = ع，5 = خ，6 = ط，7 = ح，8 = غ 或 ق，9 = ص。用法因国家而异。
-   Arabizi 几乎总是方言而不是 MSA，所以要告诉模型预期是哪种方言。
-   在检索、分析或路由之前先转换成阿拉伯字母；保留原文以备审计。
-   按产品决定回复用哪种文字：阿拉伯字母、Arabizi 还是英语。不要默认照搬 Arabizi。
-   Arabizi 是打字文本的问题。语音转文字输出拉丁字母，通常说明请求里缺少 language=ar。

**本页内容**

1.  哪些数字代表哪些阿拉伯字母？
2.  为什么 Arabizi 对软件来说很难？
3.  大模型处理 Arabizi 效果如何？
4.  怎样用大模型把 Arabizi 转换成阿拉伯字母？
5.  回复应该用哪种文字？
6.  处理 Arabizi 该用哪个模型？
7.  Arabizi 会出现在哪里？

[Arabizi](https://broadrouter.com/zh/glossary/arabizi/) 也叫 Franco-Arabic 或“Franco”，是用拉丁字母书写的阿拉伯语，拉丁字母里没有的音用数字表示，比如 3 表示 ع，7 表示 ح。要用大模型处理它，先识别出来，再让模型在指明方言的前提下把它转换成阿拉伯字母，流水线的其余部分都在阿拉伯语文本上运行。

“ana 3ayez a7gez ma3ad bokra”在埃及是一条再普通不过的客户消息：“أنا عايز أحجز ميعاد بكرة”（我想预约明天的时间）。它诞生于没有阿拉伯语键盘的手机和电脑，至今仍出现在聊天中。

## 哪些数字代表哪些阿拉伯字母？

没有统一标准，但数字被用来表示与之形状相似、或在拉丁字母中没有对应的阿拉伯字母。[阿拉伯语聊天字母](https://en.wikipedia.org/wiki/Arabic_chat_alphabet)概述列出了常见惯例：

| 数字 | 阿拉伯字母 | 示例 | 阿拉伯字母写法 | 意思 |
| --- | --- | --- | --- | --- |
| 2 | ء（hamza）/ أ | so2al | سؤال | 问题 |
| 3 | ع | 3arabi | عربي | 阿拉伯语 |
| 3’ 或 8 | غ | 8aly / 3’aly | غالي | 贵 |
| 5 或 kh | خ | 5alas | خلاص | 好了 / 够了 |
| 6 | ط | 6ayeb | طيب | 好的（海湾） |
| 7 | ح | 7abibi | حبيبي | 亲爱的 |
| 9 | ص | 9ba7 | صباح | 早上（海湾） |
| 8 | ق（部分地区） | 8alb | قلب | 心 |

各地习惯不同。例如该概述指出，用 8 表示 غ 只在黎巴嫩使用，而在沙特，用 8 和 9 表示 ق 很常见；在埃及 Arabizi 中，ق 读作声门塞音时可以用 2 表示。元音按听感书写，所以“ma3lesh”“ma3lsh”和“m3lsh”（معلش，没关系）都是同一个词。

## 为什么 Arabizi 对软件来说很难？

-   \*\*它几乎总是方言。\*\*人们按说话的方式写 Arabizi，所以方言的所有难题它一应俱全，却没有阿拉伯字母作为锚点。
-   **它看起来像英语或法语。**“bas”在阿拉伯语里是 بس（但是 / 只是），在英语里什么都不是；“men”是 من（来自 / 谁）。关键词检测器和语言识别工具经常把 Arabizi 标为英语或其他拉丁字母语言。
-   \*\*没有标准拼写。\*\*精确匹配搜索、意图规则和统计分析都会失效。
-   **[语码转换](https://broadrouter.com/zh/glossary/code-switching/)。**“el order bta3i lessa ma waslsh, can u check?”在一句话里混合了埃及 Arabizi 和英语。

基于规则的转换器很吃力，因为一个拉丁字符串可能对应许多种阿拉伯语拼写；[Darwish 关于 Arabizi 识别与转换的研究](https://arxiv.org/abs/1306.6755)等系统结合了音译挖掘和语言模型来选出正确的词，报告的转换准确率为 88.7%。现代大模型实际上一步就完成了这件事。

## 大模型处理 Arabizi 效果如何？

大模型在网页和社交媒体文本中见过 Arabizi，所以常见说法通常能看懂。结果因模型和方言而异，正式依赖之前要先测试。典型的失败模式：

1.  **把它当成英语**，然后针对误读的消息作答。
2.  **转换成错误的方言**，比如把埃及方言“转换”成改变语气的 MSA 词汇，或者用户是黎巴嫩人却猜成海湾方言。
3.  **输出文字不一致**，这条消息用 Arabizi 回复，下一条又用阿拉伯字母。
4.  **在人名和地名上虚构精确度**，而它们的拉丁拼写本身就有歧义。

解决办法和处理方言时一样：告诉模型会遇到什么、要输出什么。

## 怎样用大模型把 Arabizi 转换成阿拉伯字母？

先把 Arabizi 转换成阿拉伯字母，再在阿拉伯语文本上运行流水线的其余部分（检索、路由、回复）。这样只需一条代码路径，检索和统计分析也能正常工作。

```python
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?"))
```

一个好的结果：

```json
{"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?"}
```

关于这个设计的几点说明：

-   \*\*保留方言词。\*\*要求“the message in Arabic script, keeping the dialect words”（用阿拉伯字母写出消息，保留方言词），可以避免它被悄悄改写成 MSA，那样会损失路由和情感分析所需的含义。
-   \*\*保留原文。\*\*把原始消息和转换结果存在一起，用于审计和重新训练规则。
-   \*\*用低成本的预过滤。\*\*一个简单的检查（单词内部同时有拉丁字母和数字 2、3、5、6、7、8 或 9，如下面的正则表达式所示）就能在花费大模型调用之前抓住大多数 Arabizi。纯阿拉伯语或纯英语的消息可以跳过转换。如需更严格的输出，配合 schema 使用[结构化输出](https://broadrouter.com/zh/glossary/structured-output/)。

```python
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)
```

这个提示规则会漏掉不含数字的 Arabizi（“ana mesh fahem”，我不明白），也会被“a7x”这样的产品编号误触发；把它当作省钱手段，而不是分类器。真正做决定的是大模型返回的 `script` 字段。

## 回复应该用哪种文字？

按产品决定，而不是按消息决定：

| 回复用 | 适用场景 |
| --- | --- |
| 阿拉伯字母（MSA 或轻度方言） | 大多数企业的默认选择；人人都能读懂 |
| 英语 | 你的客服语言是英语，或客户的消息以英语为主 |
| Arabizi | 想贴合客户风格的年轻品牌；请母语者审核样本 |

自动照搬 Arabizi，往往会写出母语用户看着别扭的拼写，因为没有标准可循。如果确实要照搬，请给模型提供你偏好的拼写示例。关于设定语体和文字的更多内容，请看[阿拉伯语提示词工程](https://broadrouter.com/zh/blog/arabic-prompt-engineering/)。

## 处理 Arabizi 该用哪个模型？

从你的渠道收集 50 到 100 条真实的 Arabizi 消息，为每条写出正确的阿拉伯字母版本和意图，然后先按意图准确率、再按转换质量给候选模型打分。BroadNet 报告，在其测试中 [Qwen3.8 27B](https://broadrouter.com/zh/models/qwen3.8-27b/) 能理解海湾和埃及方言，并能写出流畅的阿拉伯语；它没有公布专门针对 Arabizi 的结果，所以请用你的消息测试。[DeepSeek V4.1 Flash](https://broadrouter.com/zh/models/deepseek-v4.1-flash/) 每个输出 token 更便宜，[BroadNet Gemma 4 VL 26B](https://broadrouter.com/zh/models/gemma-4-vl-26b/) 是 BroadNet 上最便宜的模型，适合做大批量的预分类步骤。价格见[价格页面](https://broadrouter.com/zh/pricing/)。拉丁字母的 Arabizi 和阿拉伯字母的分词方式不同，所以估算成本之前，先把几条消息的两个版本都粘贴到免费的 [token 计数器](https://broadrouter.com/tools/token-counter/)里。

## Arabizi 会出现在哪里？

-   \*\*WhatsApp 和社交媒体私信：\*\*主要来源。参见[阿拉伯语 WhatsApp 聊天机器人架构](https://broadrouter.com/zh/blog/arabic-whatsapp-chatbot-architecture/)。
-   \*\*搜索框：\*\*用户会输入“7agz”（حجز，预订）。在做[阿拉伯语 RAG 检索](https://broadrouter.com/zh/blog/arabic-rag-search/)之前，用同样的步骤把查询归一化。
-   \*\*只要传了语言参数，就不会来自语音转文字。\*\*Arabizi 是人打出来的。如果阿拉伯语音频的转写结果是拉丁字母，很可能是请求里缺少 `language=ar`；BroadNet 的文档提醒，否则阿拉伯语可能会被音译。参见 [WhatsApp 语音消息指南](https://broadrouter.com/zh/guides/transcribe-whatsapp-voice-notes/)。

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

[Arabizi（拉丁字母阿拉伯语）](https://broadrouter.com/zh/glossary/arabizi/)

Arabizi 是用拉丁字母非正式书写的阿拉伯语，没有拉丁对应的阿拉伯语音用数字表示，例如用 3 代表 ع。它在聊天和社交媒体中很常见，以方言为主，没有标准拼写，还经常夹杂英语或法语。

[语码转换（code-switching）](https://broadrouter.com/zh/glossary/code-switching/)

语码转换是在同一段对话或同一句话中使用两种或更多语言，或同一语言的不同变体，口语和书面语都有。例如讲阿拉伯语的人在方言里夹杂英语单词，或在现代标准阿拉伯语和方言之间来回切换。

[海姆宰（hamza）](https://broadrouter.com/zh/glossary/hamza/)

Hamza（ء，海姆宰）是阿拉伯语表示声门塞音的字母。它可单独书写，也可写在 alef（أ إ）、waw（ؤ）或 yeh（ئ）上，آ 则是 alef 加 madda。由于输入文本对它的写法不一致，搜索引擎和语音评分常把 alef 形式统一为 ا。

[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。

## 常见问题

### Arabizi 和 Franco-Arabic 是一回事吗？

是。Arabizi、Franco-Arabic、Franco 和阿拉伯语聊天字母，指的都是用拉丁字母和数字书写阿拉伯语的同一种做法。叫法因国家而异；在埃及常说“Franco”。

### 聊天机器人应该用 Arabizi 回复吗？

通常不应该。按照你的品牌风格，用阿拉伯字母或英语回复。有些面向年轻人的品牌确实用 Arabizi 回复，但要请母语者检查拼写看起来是否自然。

### 能用正则表达式把 Arabizi 转换成阿拉伯语吗？

不可靠。元音随意省略或添加，同样的拉丁字母会根据上下文对应不同的阿拉伯字母。规则有助于识别；转换需要语言模型。

### 阿拉伯语聊天里的 3 是什么意思？

在 Arabizi 中，3 代表字母 ع（ayn），比如“3arabi”就是 عربي（阿拉伯语）。其他常见数字有：2 表示 ء，5 表示 خ，7 表示 ح，9 表示 ص。

### 为什么我的转写结果是拉丁字母？

那是语音模型做的音译，不是用户打出来的 Arabizi。每个阿拉伯语转写请求都带上 language=ar，就能得到阿拉伯字母。

## 继续阅读

-   [用大模型做阿拉伯语文本分类：情感、意图与工单分派](https://broadrouter.com/zh/blog/arabic-text-classification-llm/)
-   [海湾、埃及和黎凡特阿拉伯语：大模型如何处理方言](https://broadrouter.com/zh/blog/arabic-llm-gulf-egyptian-dialects/)
-   [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 WhatsApp 聊天机器人架构：从语音消息到自动回复](https://broadrouter.com/zh/blog/arabic-whatsapp-chatbot-architecture/)
-   [阿拉伯语 RAG：真正有效的规范化、分块与检索](https://broadrouter.com/zh/blog/arabic-rag-search/)
-   [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 API 把 WhatsApp 语音消息转成文字](https://broadrouter.com/zh/guides/transcribe-whatsapp-voice-notes/)

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-arabizi-llm-handling&utm_content=page-cta) ·

**来源**

-   [Arabic chat alphabet（阿拉伯语聊天字母）：Arabizi 书写惯例概述（2026-11-14 查阅）](https://en.wikipedia.org/wiki/Arabic_chat_alphabet)
-   [Darwish，Arabizi Detection and Conversion to Arabic（arXiv 1306.6755；2026-11-14 查阅）](https://arxiv.org/abs/1306.6755)
-   [BroadNet Inference 价格页面：Qwen3.8 27B 的“Tested in Arabic”说明（2026-11-14 查阅）（英文）](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-arabizi-llm-handling&utm_content=sources)
-   [BroadNet Inference API 参考：转写的 language 参数（2026-11-14 查阅）（英文）](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-arabizi-llm-handling&utm_content=sources)
