跳至正文
Get Ranked On Top示意性案例研究Content Engine 方案

虚构的企业。数据为模拟情景,并非客户的实际结果。

XERBA LABS · 阿拉伯语语音转文字 API,18 名员工 · 突尼斯市

一家阿拉伯语语音转文字初创公司,如何让 AI 助手引用自己的文档

+348%

来自搜索和 AI 回答的 API 注册量

突尼斯突尼斯市 · 12 个月 · 科技与 SaaS · Content Engine 方案

石磨转动,油汁流淌:每一滴,都是 AI 助手可以引用的一段文字。

01挑战

答案,都是用别人家的橄榄榨出来的。

开发者会问 AI 助手该用哪款阿拉伯语语音转文字 API,而答案引用的都是大型云厂商的文档。Xerba 单薄的文档从未被引用过。

如今的开发者不再从搜索结果页开始。他们直接问 AI 助手该用哪款阿拉伯语语音转文字 API,把答案贴进终端,然后继续干活。我们把 140 个这类提示词各跑了十次,发现答案几乎都依赖大型云厂商的文档,而这些文档大多只覆盖现代标准阿拉伯语。

在突尼斯语、摩洛哥语等七种方言上,Xerba 的模型比那些答案推荐的任何服务都更准。可文档从没用模型能“摘”出去的方式讲清楚这一点:没有定义,标题用字段名命名,示例一粘贴就报错,宣称准确率却拿不出一个数字。

基线:在 140 个追踪提示词中,Xerba 仅被引用 3 次。

“采收”审计的发现

  1. 0 / 61

    没有定义

    61 个文档页面里,没有一个定义了自己所讲的术语。“方言识别”和“说话人分离”随处可见,却从未被解释过。

  2. 73%

    标题都是字段名

    73% 的标题是“参数”“概览”这样的名词。而开发者是按任务提问的:转写一通电话、分开两位说话人。

  3. 4 / 38

    示例跑不起来

    38 个代码示例中只有 4 个能照原样运行。其余的要么用了已停用的认证头,要么漏了 import,要么以省略号结尾。

  4. 1 / 7

    纸面上只有一种方言

    产品支持七种阿拉伯语变体,文档只提到一种。没有基准测试表,AI 助手无从比较,只好退回大型云厂商的页面。

02策略

写出模型榨得出油的文档。

基于我们的 Content Engine 方案:为那些客户先问机器、再问人的团队提供内容与 AI 搜索服务。

  1. 01定义先行的文档

    改写 61 个页面

    每页以定义开篇

    标题下方紧跟一段 40–60 字的“……是什么?”回答,点明术语、接口和限制。人快速浏览时一目了然,被整段摘出页面也依然成立。

  2. 02任务式标题

    212 个任务式标题

    标题写成任务

    “参数”改成了“转写一段突尼斯语通话录音”。每个标题都对应开发者真实会输入的问题,下方的段落只回答这一个问题。

  3. 03可直接运行的示例

    38 / 38 个示例通过

    示例一粘贴就能跑

    curl、Python 和 Node 的每段代码每晚都对线上 API 实际运行;任何示例失败都会阻止文档发布。预期输出就放在代码正下方。

  4. 04对比表格

    7 项方言基准

    表格里放真实数字

    按方言列出的词错误率、按文件时长列出的延迟,以及一张附完整方法说明的诚实对比页。AI 助手引用表格几乎一字不改,所以每个数字都必须站得住。

03可提取性压榨机

把一页文档放进压榨机。

AI 助手引用的不是整页,而是段落:一段能独立成立的定义、一个点明任务的标题、一段能运行的代码、一张有数字的表格。逐项打开修改,看看压榨机能把哪些段落榨出来,成为引用。

要应用的修改
xerba.example/docs/transcribe旧版
  1. 概览

    Xerba 为阿拉伯语世界提供强大、创新的语音解决方案。

    1 · 可提取性 14/100留在果渣里

    这是口号,不是定义:没有任何能被模型当作事实引用的内容。

  2. 参数

    audio、dialect、diarize、callback_url。详情请参阅 API 参考。

    2 · 可提取性 22/100留在果渣里

    “参数”对应不上任何人会问的问题。

  3. 快速开始

    用您的密钥初始化客户端,然后带上参数调用 transcribe。

    client = Xerba(key)
    result = client.transcribe(file, ...)
    3 · 可提取性 9/100留在果渣里

    占位代码:AI 助手不会推荐它无法验证的东西。

  4. 准确率

    Xerba 以业界领先的准确率支持多种阿拉伯语方言。

    4 · 可提取性 17/100留在果渣里

    “业界领先”是形容词,不是证据。

在这个模型中,得分达到 70 及以上的段落会被 AI 助手引用。

已榨出的段落

4 段中的 0 段

AI 助手的回答

开发者的提示词

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

通用云语音 API 大多支持现代标准阿拉伯语,方言覆盖情况因厂商而异。[1]

现有来源中没有提到专门支持方言的方案,因此通用云 API 是稳妥的建议。

来源

  1. 1.通用云服务的语音转文字文档

4 段中已榨出 0 段。Xerba 未被引用。

04逐月进展

十二个月,从采收到装瓶。

  1. 第 1–2 个月01

    采收

    审计

    抓取全部 61 个文档页面,在四款 AI 助手上把 140 个开发者提示词各跑十次,并记录它们引用的每一个来源。

    140 个提示词中 3 个引用 Xerba

  2. 第 3 个月02

    清洗

    结构

    合并重复的指南,让每个页面只承担一项任务、只有一个 URL,并编写供其余文档链接的术语表。

    140 个提示词中 4 个引用 Xerba

  3. 第 4–6 个月03

    研磨

    改写

    为全部 61 个页面写上定义先行的引言和任务式标题,突尼斯语和摩洛哥语指南优先,因为还没有人写过。

    140 个提示词中 14 个引用 Xerba

  4. 第 7–8 个月04

    压榨

    示例与表格

    三种语言、每晚实测的代码示例,方言基准表,以及一张附完整方法说明的对比页。

    140 个提示词中 25 个引用 Xerba

  5. 第 9–10 个月05

    沉淀

    衡量

    每月的提示词测试显示哪些段落被直接引用、哪些只是被转述;薄弱的段落被重写,而不是被注水。

    140 个提示词中 36 个引用 Xerba

  6. 第 11–12 个月06

    装瓶

    复利

    为客服中心和媒体档案新增指南,为前 20 个页面推出法语版,并开放一份如今 AI 助手也在引用的公开更新日志。

    140 个提示词中 46 个引用 Xerba

05成果

一年后,答案从 Xerba 自己的文档里流出。

140 个中 3 → 46

引用 Xerba 的追踪 AI 提示词
46 共 140 个3第1月第6月第12月

+348%

来自搜索和 AI 回答的 API 注册
18842第1月第6月第12月

1,900 → 11,400

文档每月自然点击
11,4001,900第1月第6月第12月

19 → 6 分钟

完成首次转写用时
之前19 分钟之后6 分钟

这是为虚构企业建模的情景,并非客户的真实成果。排名、AI 引用和流量均无法保证;详见我们的条款。

140 个追踪提示词中的六个

每个提示词运行十次时 Xerba 被引用的次数,第 0 个月与第 12 个月对比。
提示词(原样输入)第 0 个月第 12 个月引用占比
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

一个提示词在十次运行中至少有五次引用文档,才算作引用 Xerba。

榨一榨您的文档

获取类似的方案

如果开发者在打开您的文档之前先去问 AI 助手,不妨从 Content Engine 方案开始,或者告诉我们您的 API 是做什么的。

← 全部案例