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
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
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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.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。
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
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
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
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
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
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
+348%
1,900 → 11,400
19 → 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
| 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 text | 0 / 10 | 9 / 10 | |
| arabic speech recognition api with dialect detection | 1 / 10 | 8 / 10 | |
| how to transcribe moroccan darija audio in python | 0 / 10 | 7 / 10 | |
| arabic stt api word error rate comparison | 0 / 10 | 6 / 10 | |
| API transcription arabe dialecte tunisien | 0 / 10 | 9 / 10 | |
| speaker diarization arabic call center api | 0 / 10 | 5 / 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。