Exa Podcast 搜尋上線：AI 能查逐字稿，如何找到誰在節目裡說了什麼？

Exa Podcast 搜尋想處理一個常見困擾：你記得有人在訪談談過一項產品決策，卻忘了是哪一集。一般搜尋可能找得到節目名稱，仍要在一小時錄音裡慢慢找那段話。

對使用 AI 做資料整理的人來說，這不只是搜尋速度問題。代理如果只能看到節目介紹，就可能漏掉真正出現在對話裡的內容。

Exa 官方帳號在 2026 年 10 月 28 日宣布加入 Podcast 資料，隔日官方文章說明，搜尋範圍涵蓋約 320 萬集、11.9 萬個節目的逐字稿。

新資料包含說話者標示與節目資訊，並透過既有搜尋介面提供。使用者因此能從搜尋「某個節目」，進一步追問「誰在哪一集談了什麼」。

不過，能搜到逐字稿不等於每句話都被正確辨識，也不代表取回的片段保留完整語境。Exa 公布的測試同樣需要連同題目與比較方法一起看。

要讓檢索幫得上忙，先得分清搜尋到的是節目介紹，還是對話裡真正出現的內容。這也是逐字稿加入後最直接的改變。

Exa Podcast 搜尋，把節目介紹變成對話線索

Podcast 的標題與介紹，通常只寫整集的大方向。來賓在中間順帶提到的產品、工具或決策，未必會出現在節目名稱裡，所以只查介紹容易錯過內容。

逐字稿讓這些話有機會被當成可檢索資料。對 AI 代理而言，差別是它不再只拿到「這是一集談創業的訪談」，也能找出訪談中實際提到的具體問題。

官方這次列出的資料包括約 320 萬集、11.9 萬個節目，合計約 237 億個字詞與 220 萬小時音訊。集數、節目數與音訊長度是不同單位，不能混成 320 萬個節目。

這個規模也不代表所有 Podcast 都已收錄。若某個節目或某一集沒有被找到，不能直接下結論說來賓沒有講過，也可能只是資料涵蓋或更新尚未到達。

除了對話文字，Exa 說明會提供說話者標示，以及節目和單集標題、發行者、介紹、主持人、來賓、日期與長度等資訊。這些欄位有助於把一句話放回對應的來源。

例如，同一個人可能在不同節目反覆談同一項計畫。日期與單集資料能幫助研究者分辨，這是初期構想、後來補充，還是對既有說法的修正，而非只看一段沒有時間背景的文字。

這次資料由 Exa 與 Podcast 資料服務 Particle 合作提供，讓節目對話成為搜尋可用的內容來源。

因此，逐字稿搜尋最直接的價值，不是代替人把每個節目全部聽完，而是讓人更快找到值得回去聽的那一集與相關段落。

最新單集找得到，和單集問題答得對，要分開看

Exa 公布測試時，分別處理了資料是否夠新，以及能不能找出單集中的具體資訊。這兩種能力相關，但不能用一個分數互相代替。

時效測試選取 250 個活躍節目，檢查各服務是否在前五筆搜尋結果中，找回該節目的最新一集。Exa 報告的結果是 98.4%，下一個比較對象為 93.6%。這是在該組節目與測試方式下的結果。

這個數字不代表所有新集上線後，都會在固定幾秒內出現在搜尋。官方說資料會持續更新，但沒有因此提供每個節目都相同的即時更新時限。

另一項測試使用 667 個與單集內容有關的問題。官方報告 Exa 正確率為 85%，下一個比較對象為 80.7%。它比較的是這組題目的回答結果，不是整個網路的通用正確率。

兩項測試共比較七種搜尋 API，也就是讓程式取得搜尋結果的介面。官方表示使用各家的最佳模式。這能說明 Exa 如何安排自己的比較，仍不能把測試改寫成由本站或其他獨立單位重現的結論。

對讀者較有用的讀法，是先問自己的需求落在哪一類。如果要追蹤某節目昨天剛談的內容，時效很重要。如果要找某段發言的具體細節，內容辨識與取回品質就更直接。

即使資料已經收進來，AI 也可能選錯段落或誤解語境。反過來說，回答某個舊單集問題很準，也不能證明服務已經取得最新一集，兩者仍需要各自的證據。

這些數字適合當成規劃比較的起點。採用時保留題目、查詢時間和對應原集，比只抄一個最高百分比，更容易判斷結果是否能用在自己的研究工作。

選擇比較題目時，也可以刻意放入一個節目介紹沒有寫到的細節。如果問題光靠標題就能猜到答案，就難以辨認結果究竟來自逐字稿，還是只重述介紹。相同問題要保留原集裡能核對的位置，才能判斷是否真的取回內容。

沿用既有 API，不代表每次搜尋都免費

API 可以理解成程式呼叫服務的介面。這次 Podcast 資料加入 Exa 既有的搜尋服務，官方表示所有使用者與既有端點都能使用，不需為這批新增資料另加費用。

「沒有額外收費」指的是資料類別加入的方式，不等於原本的搜尋服務變成無限免費。實際帳單仍要依選擇的服務、查詢量與當時價格計算。

對既有整合而言，好處是不用先建立一套獨立的 Podcast 檢索系統。代理可以沿用原本呼叫搜尋的安排，把音訊對話也納入候選來源，再依用途選取結果。

但使用既有介面，不表示每種回傳內容都會自動變成完整逐字稿。開發者仍要看所選查詢與內容取得方式，確認自己拿到的是摘要、節錄，還是足以核對的原始文字範圍。

如果代理只收到簡短片段，就不應宣稱已讀完一整集。這個限制會直接影響研究交付：一段可用來找線索的搜尋結果，未必足以支撐一個完整的觀點歸納。

查詢範圍也需要讓任務說清楚。找「某人談定價」與找「某人在最新訪談怎麼修正定價策略」，前者可能取回很多舊內容，後者則需要日期與版本背景。

因此，加入 Podcast 不只是讓相同指令搜到更多資料，也需要把問題寫得更可核對。來源多了，如果沒有時間與說話者條件，代理反而可能把不同階段的說法合成一個答案。

資料取得後，也要分清搜尋服務和回答模型的責任。搜尋可能找對單集，後面的模型仍可能整理錯誤。因此，遇到不正確答案時，可以先查來源是否正確，再查摘要如何形成，避免把兩段不同的問題一起歸因給搜尋。

以產品訪談研究為例，從候選單集回到原聲

假設你要整理一位創辦人最近如何談產品定位，想知道他是否從個人用戶轉向團隊客戶。以下是研究方法的示例，並非本站已經對這項新功能完成實測。

第一個問題可以聚焦人物、產品與時間範圍，先找可能的單集。這時的目的不是立刻產出結論，而是取得一組能回到原始節目的候選來源。

拿到結果後，先確認標題、發行者、日期與來賓資訊。若是同一訪談被不同帳號重製或拆成短片，這些資料可以協助辨識來源關係，避免把同一段話計成多個獨立證據。

接著找與轉向團隊客戶相關的對話。說話者標示有幫助，因為主持人的假設性提問，不能直接寫成來賓已經做出的決定。誰提出那個說法，需要在文字裡保留下來。

如果找到「我們開始接觸團隊」這類句子，也還要看前後文。它可能描述一次試驗，而不是正式改變主力客群。把條件句剪掉，會讓同一段訪談變成不同意思。

對準備直接引用的話，再回到原始節目音訊或影片，確認用字、語氣與上下文。搜尋把範圍縮小了，但關鍵引文仍值得回原聲核對，尤其涉及人名、數字與產品承諾時。

這個流程不需要假設 Exa 每筆結果都帶有可直接跳轉的時間碼。若回傳資料沒有提供，就應如實保留單集網址與核對位置，不能替服務補出未確認的定位能力。

最後的整理應讓讀者知道：哪一集、哪一天、誰說了什麼，以及你的判斷是如何從這些內容形成。這樣即使結論需要更新，下一位研究者仍能找回原來的依據。

若整理出來的兩集內容彼此矛盾，也不必急著挑一句當唯一答案。先對照發布與錄製背景，再看是否談不同產品階段。有時這正是研究值得保留的變化，而不是應該被摘要模型抹平的雜訊。

對於找不到的內容，交付時也應保留未確認狀態。例如，已查過哪些人物名稱、產品別稱與時間範圍，但尚未找到可支持的原集。這比讓模型補一段聽起來合理的發言，更能讓下一輪搜尋知道還缺哪一塊。

逐字稿有搜尋價值，也有語境與使用限制

逐字稿是對音訊的文字表示，並非原聲本身。口音、重疊發言、品牌名稱或語言切換，都可能讓辨識與說話者標示出現差異，不能只因資料有欄位就當成逐句保證。

而對話的語意不全在文字裡。玩笑、反問與保留態度，可能靠語氣才看得出來。研究者若要把一句話寫成定論，就需要確認這些線索沒有在轉成文字時被抹平。

另一個容易混淆的地方是時間。節目發布日不一定等於錄製日，也不一定等於來賓描述事件發生的日期。若討論的是產品是否已上線，還要回到當時的官方公告確認。

這表示 Podcast 可以提供原作者的想法與背景，卻不一定適合作為所有產品規格的唯一來源。來賓談到未來計畫時，仍應保留「計畫」「預期」或「尚未公布」的差別。

權利也要分開處理。搜尋能取回逐字稿，不代表使用者自動取得整集內容的大量轉載權。公開可搜尋、能引用一段來討論，與把完整節目重新發布，是不同的使用範圍。

對團隊而言，較實際的交付方式是保留原始連結、必要節錄與自己的分析，而不是把搜尋取回的所有文字直接當作文章內容。這也能讓讀者更容易看到哪些是來源、哪些是整理者的判斷。

搜尋的效率因此應該用「縮短找到可核對來源的時間」來看，而不是用「省去所有核對」來看。前者能改善研究流程，後者反而容易把大量可搜尋文字變成大量誤引。

如果同一段發言會成為後續文章或產品判斷的關鍵，還可以把原始節目和官方文件並列。前者說明決策脈絡，後者確認實際功能。兩者各自回答不同問題，不必強迫一份訪談同時承擔所有查核工作。

常見問題

Exa Podcast 的 320 萬，是節目還是集數？

是約 320 萬集，來自約 11.9 萬個節目。官方另列出字詞與音訊時數規模，這些是不同的資料計量，不應互相替換，也不代表所有 Podcast 都已被完整涵蓋。

Podcast 資料加入後，搜尋就不用錢嗎？

官方說新增資料不另收費，並由既有端點向所有使用者提供。原本 API 的使用費與用量條件仍需確認，不能把這句話解讀成無限次免費搜尋或免費取得所有內容。

官方的 85% 可以當成所有搜尋的正確率嗎？

不行。它來自公司設定的 667 個單集相關問題，並有特定比較方式。這能說明該測試的結果，不能代替不同主題、語言與時間範圍的實際比較，更不是本站重測成績。

搜到一段話，還需要聽原集嗎？

如果只是在找候選資料，文字線索可能已經有幫助。如果要直接引用、判斷立場或整理重要承諾，回原聲確認用字和前後文，能避免把辨識誤差或主持人提問寫成來賓定論。

Exa 這次讓 AI 搜尋更容易走進長篇對話。對研究工作而言，最有用的變化是找到原本藏在節目中間的線索，再帶著來源與語境交付結論，讓搜尋速度和查核能力一起改善。

延伸閱讀

• Exa 3.0 是什麼？Lite、Auto 價格與基準測試條件，AI 搜尋 API 怎麼選
• 2026 Claude Code 做影片 Skills 推薦：HyperFrames、Remotion 到剪輯工具怎麼選？

原始資料來源

• Exa：Podcast Search 官方公告
• Exa 官方發布貼文

免費訂閱 AI 郵報，掌握 AI 搜尋與研究工具的新資料、新功能和使用條件。