La diacritización del texto árabe sigue siendo un desafío persistente en el procesamiento del lenguaje natural debido a la riqueza de sus características morfológicas. En este artículo, presentamos Sadeed, un modelo lingüístico basado únicamente en decodificadores, optimizado con Kuwain 1.5B (Hennara et al. [2025]), un modelo compacto entrenado con un corpus árabe diverso. Sadeed se optimiza con un conjunto de datos que contiene texto diacritizado de alta calidad cuidadosamente seleccionado, generado mediante rigurosos procesos de limpieza y normalización de datos. A pesar de utilizar menos recursos computacionales, Sadeed logra resultados competitivos en comparación con modelos lingüísticos propietarios a gran escala y supera a los modelos existentes entrenados en dominios similares. Además, este artículo destaca las principales deficiencias en las prácticas actuales de evaluación comparativa para la diacritización del árabe. Para abordar estas cuestiones, presentamos SadeedDiac-25, un novedoso punto de referencia diseñado para permitir una evaluación más justa y completa en una variedad de géneros textuales y niveles de complejidad. Sadeed y SadeedDiac-25 proporcionan una base sólida para el avance de las aplicaciones de PNL en árabe, incluidas la traducción automática, la síntesis de voz y las herramientas de aprendizaje de idiomas.
