阿拉伯語轉寫會把口語阿拉伯語轉成書面阿拉伯語,而在 2026 年,每一份轉寫稿,不論是人工還是 AI,在完成前都要先做三個選擇:要寫哪一種阿拉伯語(照口音原樣,或現代標準阿拉伯語)、是否加入母音符號,以及對於沒有標準形式的詞彙要採用誰的拼寫。許多通用語音工具並不把這三項都做成輸出設定。即使語音已被辨識出來,最後得到的轉寫稿也可能和你需要的書寫慣例不同。
先補充一個搜尋詞的小提醒。如果你指的是用拉丁字母書寫阿拉伯語(Muhammad vs Mohammed),那是 阿拉伯語羅馬化,是另一項有各自競爭標準的工作。本指南談的是把語音轉成阿拉伯文字。
你早就知道阿拉伯語的語音辨識很難:數十種方言、語速快、還混有英文和法文。那一部分最受關注。下面的研究顯示,書寫慣例也會影響轉寫稿,以及它的準確率如何被衡量。我們會逐一說明這些選擇,附上已發表的數據,示範如何為你的專案做選擇,也會坦白說明 MirrorCaption 適合哪裡、不適合哪裡。
重點摘要
- 在 Mixat 資料集上,Whisper-medium 常把阿聯酋口音的語音轉成現代標準阿拉伯語;其僅阿聯酋語段與僅英文語段的詞錯率分別約為 196% 與 12%(Mixat,LREC-COLING 2024)。
- 在一項古典朗讀測試中,是否計入母音符號,讓同一個微調模型在相同音訊上的詞錯率從 6.4% 變成 38.4%(Interspeech 2023);而另一項 成人閱讀情境研究 則指出,大約 1-2% 的詞帶有符號。
- 四位轉寫者在埃及阿拉伯語上對約 13% 的詞有分歧,因為方言拼寫並不一致(MGB-3)。
- 有些阿拉伯語基準在評分前會去除母音並標準化特定字元,所以要檢查頭條數字背後的評分規則。
- 在選工具前先決定方言、母音和拼寫,然後用你自己的 5 分鐘音訊測試候選工具。
為什麼阿拉伯語轉寫其實是書寫問題
語音轉文字供應商有時會宣稱很高的準確率數字。除非供應商說明測試音訊、方言和評分方法,否則這種準確率主張很難直接套用到你的錄音上。
研究基準之所以會讓數字浮動,原因就在這裡。Open Universal Arabic ASR Leaderboard 在評分前會移除母音符號、標準化 hamza 與 madda 的變體,並把東阿拉伯數字轉換後再計分。這是比較模型的合理方式。但這也代表,分數忽略了你仔細閱讀轉寫稿時最會注意到的那些細節。
同一個排行榜 也顯示音訊本身有多重要。Whisper large-v3 在 SADA 測試集上的現代標準阿拉伯語詞錯率約為 28%,但在埃及阿拉伯語上約為 59%,在海灣阿拉伯語上約為 60%。在你知道是哪一種阿拉伯語、什麼錄音條件、以及採用哪些評分規則之前,單看一個總體準確率幾乎沒有意義。如果你對這個指標還不熟,我們的 AI 轉寫準確率並排測試 會更詳細說明詞錯率。
想先看看自己的阿拉伯語音訊會轉成什麼樣,再繼續閱讀嗎?MirrorCaption 可在瀏覽器分頁中即時轉寫阿拉伯語,而且前一小時免費,不需信用卡。
免費試用阿拉伯語轉寫選擇 1:要寫下哪一種阿拉伯語
當某人說的是阿聯酋、埃及或黎凡特阿拉伯語時,轉寫稿可以做兩件事之一。它可以照口音原樣寫下方言,也可以悄悄改寫成同樣意思的現代標準阿拉伯語(MSA)。兩者都算合理輸出,但它們不是同一份文件。
這裡有個真實例子。某位埃及說話者說出 إزيك؟(「你好嗎?」)。逐字轉寫會保留 إزيك。而標準化成 MSA 的轉寫則會寫成 كيف حالك؟,這是正確的阿拉伯語,但房間裡沒有人真的這樣說。
有些模型可以產生第二種輸出。在 阿聯酋語音的 Mixat 研究 中,研究者發現「Whisper 會把句子翻譯成 MSA」,因此「做錯了任務」。在該資料集中,Whisper-medium 在僅阿聯酋語段上的詞錯率為 195.98%,在僅英文語段上為 12.06%。詞錯率是把替換、刪除與插入相對於參考詞數來計算,所以可以超過 100%;這些是單一資料集的語段層級結果,不是通用準確率。
什麼時候逐字保留方言很重要
- 研究訪談與語言學:方言本身往往就是資料。
- 法律與證據工作:引文需要的是實際說出的話,不是轉述。
- 新聞報導:被引用的消息來源應該聽起來像他們自己。
- 給方言受眾看的字幕:觀眾會注意到文字和嘴型不一致。
如果你的受眾只需要意思,例如內部會議紀錄或摘要,那麼 MSA 輸出就很合適,而且通常更容易跨地區閱讀。
一位研究人員(我們叫她 Layla)在阿布達比錄了 20 場關於家庭預算的訪談。她的第一輪機器轉寫回來的是乾淨、正式的阿拉伯語。仔細檢查後,她想分析的阿聯酋語表達都不見了,取而代之的是標準對應詞。修正方式是流程上的:她在簡報最上方寫上「逐字保留方言,不要標準化」,先抽查第一個檔案對照音訊,並在輸出持續偏向 MSA 時更換工具。
選擇 2:要不要寫出母音
阿拉伯文字大多只寫子音和長母音。短母音是可選的符號(تشكيل,tashkeel),加在字母上方或下方。三個字母的字串 كتب 可以是 كَتَبَ(他寫了)、كُتُب(書)或 كُتِبَ(它被寫了)。讀者會根據上下文判斷。
日常書寫通常會省略這些符號。一篇 2024 年關於真實文本中附加符號的研究 引用 Habash 先前的工作指出,一般成人閱讀情境中,大約 1-2% 的詞至少帶有一個符號。所以沒有母音的轉寫稿是正常的,也適合許多日常轉寫。
麻煩出現在你真的需要母音時。在一篇 Interspeech 2023 論文 中,現成的 Whisper-medium 只在 1.9% 的預期位置產生了母音符號。某個微調模型在忽略母音時的詞錯率為 6.4%,而在計入母音時為 38.4%,而且是在同一段音訊上。另一個以人工加母音文本訓練的模型表現更好,分別為 6.5% 和 13.4%。測試集是古典朗讀語音;這些數字不能預測對話音訊上的表現。
什麼時候該要求母音符號
- 古蘭經或古典誦讀:發音就是內容本身。
- 教學材料:學習者需要母音才能朗讀。
- 罕見姓名與專業術語:只標出那些詞,避免被誤讀。
其他情況下,請要求不標母音的文字,把審校時間留給別處。
選擇 3:阿拉伯語轉寫中,拼寫到底算誰的
MSA 有拼寫標準。口語方言通常沒有一致公認的拼寫。埃及阿拉伯語的「什麼」可以寫成 إيه 或 ايه,而「現在」可以寫成 دلوقتي 或 دلوقت。像 ة 和 ه,或 ى 和 ي 這類詞尾,即使是細心的作者也會互換。
這不是機器的問題。在 MGB-3 埃及阿拉伯語基準 中,四位轉寫者各自獨立寫下同一段音訊,對約 13% 的詞有分歧。當主辦方把四種人工拼寫都視為正確時,冠軍系統的錯誤率從 37.5% 降到 29.3%。較低的多參考分數顯示評分慣例很重要;這不代表每一個差異都只是拼寫變體。
實務上的教訓是:不是每個方言詞都有一種全球一致接受的拼寫。你能做到的是一致性。為重複出現的詞和名字選定一種拼寫,並要求每個檔案都遵守。
開羅一家新聞編輯室的團隊(我們叫製作人 Omar)為一部紀錄片轉寫一週的街訪。三位自由工作者分別處理檔案,而粗剪版本在畫面上把同一個俚語寫成了三種不同拼法。在下一批之前,Omar 寫了一份一頁式風格表:十個常見方言詞、要用的拼寫,以及英文借詞的寫法。第二批的審校時間就用在確認意思,而不是爭論字母。
如何選擇阿拉伯語轉寫設定
先做這三個選擇,再選工具。下表把常見專案對應到通常合適的設定。
| 專案 | 方言或 MSA | 母音符號 | 拼寫規則 | 常見流程 |
|---|---|---|---|---|
| 會議紀錄、內部通話 | 兩者皆可;意思最重要 | 無 | 工具預設 | 即時 AI 轉寫,輕度審校 |
| 研究訪談 | 逐字保留方言 | 無,姓名除外 | 專案風格表 | AI 初稿加人工審校 |
| 法律或證據音訊 | 逐字保留方言 | 僅在意思有歧義處 | 有文件記錄且一致 | 專業人工轉寫加有紀錄的審核 |
| 新聞與紀錄片 | 引文逐字保留 | 無 | 編輯室風格表 | AI 草稿,編輯逐句檢查引文 |
| 誦讀或教學音訊 | 古典或 MSA | 完整標示 | 標準正字法 | 專業人工或經母音訓練的模型 |
| 阿拉伯語加翻譯 | 兩者皆可 | 無 | 工具預設 | 即時轉寫加並排翻譯 |
再做兩個檢查可以省下返工。第一,如果說話者在同一句中切換阿拉伯語和英文或法文,請用那個精確模式測試;同一項 Mixat 研究發現,代碼切換語音的詞錯率為 121.78%。我們的 多語言轉寫軟體指南 介紹了專為混合語言音訊設計的工具。第二,先決定你需要的是對話進行中就看到文字,還是之後再看,因為這會把工具市場分成兩類。相關取捨已整理在 即時轉寫與會後轉寫。
例如,Google Cloud Speech-to-Text 列出了阿拉伯語國家地區,例如埃及、沙烏地阿拉伯和摩洛哥。選擇某個地區設定,並不代表轉寫稿一定會遵循你偏好的方言、母音或拼寫慣例;請拿你的簡報要求去測試輸出。
MirrorCaption 在阿拉伯語轉寫中的定位
MirrorCaption 是為表格中的即時那一側而設計的。在 Meet 模式下,它會擷取桌面版 Chrome 或 Edge 中會議分頁的音訊,因此在瀏覽器版 Zoom、Teams、Meet 或 Webex 通話中的阿拉伯語會在說出的同時被轉寫,且不需要機器人加入會議。在手機上,Talk 模式可用於面對面對話的一段連續會話。無論哪種方式,你都可以把翻譯顯示成 50+ 種可選語言中的另一種,並與阿拉伯語並排顯示,這在房間裡有一半人看不懂阿拉伯文字時特別有幫助。至於錄音,upload Transcriber 會處理完成的檔案,並在完成後把轉寫稿送到你的歷史紀錄中。
以下是它不做的事,讓你可以公平判斷:
- MirrorCaption 沒有方言、MSA 或母音輸出切換。請依照你需要的慣例檢查輸出。
- 沒有公開的阿拉伯語詞錯率。我們沒有跑過足以背書的基準測試,所以請用你的音訊來測試。
- 測試混合語言上傳。upload Transcriber 接受語言提示,但在依賴結果前,請先對照音訊檢查代碼切換。
- 目前的工作階段匯出對話框沒有 SRT 或 VTT 匯出。轉寫稿可匯出為 Markdown、純文字或 JSON。
一個產品團隊,工程師在利雅德,經理在柏林(我們叫他 Jonas),每週開會時,沙烏地團隊常會切換成阿拉伯語來敲定細節。Jonas 在通話旁邊的 Chrome 分頁打開 MirrorCaption,會議進行時就能一邊看阿拉伯語轉寫,一邊看英文。對他來說,不需要母音符號或逐字方言,只要能及時掌握意思,好在會議往下進行前提出追問。
如果你的專案是即時會議、通話或對話,而且你主要需要的是意思,那就是 MirrorCaption 為之設計的情境。如果你是要把阿拉伯語翻成特定語言組合,我們關於 即時阿拉伯語轉中文語音翻譯器 的說明,展示了同樣的即時設定如何運作。
用你自己的 5 分鐘阿拉伯語來測試。錄一段典型片段,交給兩個工具跑一次,然後比較方言、拼寫和姓名。MirrorCaption 的免費一小時足夠完成這個測試。
開始免費一小時阿拉伯語轉寫 FAQ
為什麼阿拉伯語轉寫準確率的說法差異這麼大?
因為它們衡量的是不同的東西。有些阿拉伯語基準在評分前會去除母音符號並標準化 hamza。結果也取決於方言、錄音條件和參考轉寫稿。請向供應商索取測試集與評分規則,然後測試你自己的音訊。
阿拉伯語轉寫應該包含母音符號嗎?
通常不需要。一項關於一般成人閱讀情境的研究指出,大約 1-2% 的詞至少有一個母音符號,所以沒有母音的轉寫稿通常讀起來很正常。當發音就是重點時才要求母音:例如古蘭經或古典誦讀、教學材料,或是讀者可能誤讀的罕見姓名與術語。
我可以把阿拉伯語轉寫成英文拉丁字母,而不是阿拉伯文字嗎?
可以,但那是羅馬化,是另一個步驟,而且有好幾套互相競爭的系統。如果工具給你的是阿拉伯文字,而你需要拉丁字母,請用一套明確命名的系統來羅馬化,讓重複出現的姓名拼寫一致。
MirrorCaption 可以即時轉寫並翻譯阿拉伯語嗎?
可以。MirrorCaption 會在瀏覽器中即時轉寫阿拉伯語,並可並排顯示另一種支援語言的翻譯。錄音則會透過它的 upload Transcriber 處理。它沒有方言、MSA 或母音切換,也沒有公開阿拉伯語錯誤率,所以請用免費一小時拿你自己的音訊來測試。
在選工具前,先做出這三個選擇
好的阿拉伯語轉寫始於決策,而不是軟體。總結如下:
- 哪一種阿拉伯語:引文、研究和證據用逐字方言;如果只在乎意思,MSA 就可以。
- 母音:除非發音就是內容,否則省略;只標出可能被誤讀的詞。
- 拼寫:方言拼寫會變動,所以寫一份簡短風格表,並要求每個檔案都遵守。
- 準確率主張:把它們當作提示,並用你自己的 5 分鐘音訊測試。
不論是交給自由工作者還是工具,都請把這三個選擇寫在簡報最上方。如果你需要在即時對話中把阿拉伯語轉寫並理解,MirrorCaption 是一個快速看見它如何運作的方法。