Saltar al contenido
Get Ranked On TopCaso de estudio ilustrativoPlan Content Engine

Un negocio ficticio. Las cifras son un escenario modelado, no un resultado de un cliente.

XERBA LABS · API de voz a texto en árabe, 18 personas · Túnez

Cómo una startup de voz a texto en árabe consiguió que los asistentes de IA citaran su propia documentación

+348 %

de altas en la API desde búsqueda y respuestas de IA

Túnez, Túnez · 12 meses · Tecnología y SaaS · plan Content Engine

La piedra muele y el aceite corre: cada gota es un pasaje que un asistente de IA puede citar.

01EL RETO

Las respuestas salían de las aceitunas de otro.

Los desarrolladores preguntan a la IA qué API de voz a texto en árabe usar, y las respuestas citaban la documentación de las grandes nubes. La de Xerba, nunca.

Los desarrolladores ya no empiezan en una página de resultados. Le preguntan a un asistente de IA qué API de voz a texto en árabe usar, pegan la respuesta en la terminal y siguen. Cuando lanzamos 140 prompts de ese tipo, diez veces cada uno, las respuestas se apoyaban en la documentación de los grandes proveedores de nube, que en su mayoría cubre el árabe estándar moderno y poco más.

Los modelos de Xerba entienden el tunecino, el marroquí y otras cinco variedades mejor que cualquier cosa que esas respuestas recomendaban. Pero la documentación nunca lo decía de una forma que un modelo pudiera extraer: sin definiciones, con títulos que eran nombres de campos, ejemplos que fallaban al pegarlos y promesas de precisión sin una sola cifra.

Punto de partida: Xerba aparecía citada en 3 de 140 prompts monitorizados.

LO QUE ENCONTRÓ LA AUDITORÍA DE LA COSECHA

  1. 0 / 61

    Ninguna definición

    Ninguna de las 61 páginas definía el término del que trataba. «Detección de dialecto» y «diarización» aparecían por todas partes y no se explicaban en ninguna.

  2. 73 %

    Títulos con nombre de campo

    El 73 % de los títulos eran sustantivos como «Parámetros» o «Descripción general». Los desarrolladores preguntan por tareas: transcribir una llamada, separar a dos hablantes.

  3. 4 / 38

    Ejemplos que no funcionaban

    Solo 4 de 38 ejemplos de código funcionaban tal cual. El resto usaba una cabecera de autenticación retirada, se saltaba los imports o terminaba en puntos suspensivos.

  4. 1 / 7

    Un dialecto sobre el papel

    El producto reconoce siete variedades del árabe; la documentación nombraba una. Sin una tabla de benchmarks, los asistentes no tenían nada que comparar y volvían a las páginas de las grandes nubes.

02LA ESTRATEGIA

Escribir documentación que un modelo pueda prensar.

Sobre nuestro plan Content Engine: contenido y trabajo de búsqueda con IA para equipos cuyos clientes preguntan a las máquinas antes que a las personas.

  1. 01DOCUMENTACIÓN QUE EMPIEZA POR LA DEFINICIÓN

    61 páginas reescritas

    Cada página empieza con una definición

    Una respuesta de 40 a 60 palabras a «¿qué es…?» justo debajo del título, que nombra el término, el endpoint y sus límites. Se lee bien de un vistazo y sigue teniendo sentido cuando se recorta entera de la página.

  2. 02TÍTULOS POR TAREA

    212 títulos por tarea

    Títulos formulados como tareas

    «Parámetros» pasó a ser «Transcribir una llamada en tunecino». Cada título coincide con una pregunta que los desarrolladores escriben de verdad, y el párrafo de debajo responde solo a esa pregunta.

  3. 03EJEMPLOS EJECUTABLES

    38 / 38 ejemplos pasan

    Ejemplos que funcionan al pegarlos

    Cada fragmento en curl, Python y Node se ejecuta contra la API real todas las noches; si un ejemplo falla, se bloquea el despliegue de la documentación. La salida esperada va justo debajo del código.

  4. 04TABLAS COMPARATIVAS

    7 benchmarks por dialecto

    Tablas con cifras reales

    Tasa de error por palabra según el dialecto, latencia según la duración del archivo y una página comparativa honesta con todo su método. Los asistentes citan las tablas casi al pie de la letra, así que cada cifra tenía que poder defenderse.

03LA PRENSA DE EXTRACTABILIDAD

Pasa una página de la documentación por la prensa.

Los asistentes de IA no citan páginas, citan pasajes: una definición que se sostiene sola, un título que nombra la tarea, código que funciona, una tabla con cifras. Activa cada mejora y mira qué pasajes puede exprimir la prensa como citas.

Mejoras que aplicar
xerba.example/docs/transcribeversión antigua
  1. Descripción general

    Xerba ofrece soluciones de voz potentes e innovadoras para el mundo arabófono.

    1 · Extractabilidad 14/100Se queda en el orujo

    Un eslogan, no una definición: nada que un modelo pueda citar como dato.

  2. Parámetros

    audio, dialect, diarize, callback_url. Consulta la referencia de la API para más detalles.

    2 · Extractabilidad 22/100Se queda en el orujo

    «Parámetros» no responde a ninguna pregunta que alguien haga.

  3. Inicio rápido

    Inicializa el cliente con tu clave y llama a transcribe con tus opciones.

    client = Xerba(key)
    result = client.transcribe(file, ...)
    3 · Extractabilidad 9/100Se queda en el orujo

    Código de relleno: un asistente no recomienda lo que no puede verificar.

  4. Precisión

    Xerba admite muchos dialectos árabes con una precisión líder del sector.

    4 · Extractabilidad 17/100Se queda en el orujo

    «Líder del sector» es un adjetivo, no una prueba.

En este modelo, los asistentes citan los pasajes con 70 puntos o más.

Pasajes exprimidos

0 de 4

Lo que responde un asistente

Prompt del desarrollador

which api should i use for tunisian arabic speech to text?

Las API de voz generalistas de la nube admiten sobre todo el árabe estándar moderno; la cobertura de dialectos varía según el proveedor.[1]

Ninguna de las fuentes describe una opción específica para dialectos, así que una API de nube generalista es la sugerencia segura.

Fuentes

  1. 1.Documentación de voz a texto de nubes generalistas

0 de 4 pasajes exprimidos. Xerba no aparece citada.

04MES A MES

Doce meses, de la cosecha a la botella.

  1. MESES 1–201

    Cosecha

    Auditoría

    Rastreamos las 61 páginas, lanzamos 140 prompts de desarrolladores diez veces cada uno en cuatro asistentes y registramos cada fuente que citaban.

    3 de 140 prompts citan a Xerba

  2. MES 302

    Lavado

    Estructura

    Fusionamos guías duplicadas, dimos a cada página una sola función y una sola URL, y escribimos el glosario al que enlaza el resto de la documentación.

    4 de 140 prompts citan a Xerba

  3. MESES 4–603

    Molienda

    Reescritura

    Introducciones que empiezan por la definición y títulos por tarea en las 61 páginas; primero las guías de tunecino y marroquí, porque nadie más las había escrito.

    14 de 140 prompts citan a Xerba

  4. MESES 7–804

    Prensado

    Ejemplos y tablas

    Ejemplos en tres lenguajes probados cada noche, tablas de benchmarks por dialecto y una página comparativa con todo su método.

    25 de 140 prompts citan a Xerba

  5. MESES 9–1005

    Decantación

    Medición

    Las pruebas mensuales de prompts mostraban qué pasajes se citaban y cuáles solo se parafraseaban; los débiles se reescribieron, no se rellenaron.

    36 de 140 prompts citan a Xerba

  6. MESES 11–1206

    Embotellado

    Efecto acumulado

    Nuevas guías para centros de llamadas y archivos de medios, versiones en francés de las 20 páginas principales y un changelog público que los asistentes ya citan.

    46 de 140 prompts citan a Xerba

05RESULTADOS

Un año después, las respuestas manan de la propia documentación de Xerba.

3 → 46 de 140

Prompts de IA monitorizados que citan a Xerba
46 de 1403M1M6M12

+348 %

Altas en la API desde búsqueda y respuestas de IA
18842M1M6M12

1900 → 11.400

Clics orgánicos a la documentación / mes
11.4001900M1M6M12

19 → 6 min

Tiempo hasta la primera transcripción
Antes19 minDespués6 min

Escenario modelado para un negocio ficticio — no es un resultado de un cliente. Los rankings, las citas en IA y el tráfico nunca están garantizados; consulta nuestros Términos.

SEIS DE LOS 140 PROMPTS MONITORIZADOS

Cuántas veces se citó a Xerba en diez ejecuciones de cada prompt, mes 0 y mes 12.
Prompt, tal como se escribióMes 0Mes 12Proporción de ejecuciones
best api for tunisian arabic speech to text0 / 109 / 10
arabic speech recognition api with dialect detection1 / 108 / 10
how to transcribe moroccan darija audio in python0 / 107 / 10
arabic stt api word error rate comparison0 / 106 / 10
API transcription arabe dialecte tunisien0 / 109 / 10
speaker diarization arabic call center api0 / 105 / 10

Un prompt cuenta como cita de Xerba cuando al menos cinco de sus diez ejecuciones citan la documentación.

TU DOCUMENTACIÓN, PRENSADA

Consigue un plan como este

Si los desarrolladores preguntan a un asistente de IA antes de abrir tu documentación, empieza con el plan Content Engine o cuéntanos qué hace tu API.

← Todos los casos