卖货靠赊账，她用语音记账把欠款追回来

一个卖米、木薯粉、Indomie方便面和鸡蛋的小摊主，一半老主顾都不付全款。Emeka今天拿两箱Indomie，说周五把剩下的钱带来。谁欠多少，记在一个练习本上、记在她和自己的WhatsApp聊天里，或者干脆记在脑子里。周六一忙，顾客在排队，她就跳过几笔不记。一周后，没人说得清Emeka到底付没付那第二笔。

那个本子，就是她漏钱的地方。

这是Hacktoberfest开源AI挑战赛第二周"副业"赛道的参赛作品，作者把它叫做SabiBook——一本你能对着说话的销售与欠款账本，面向尼日利亚做赊账生意的小商贩。

用法很直接：按住一个大按钮，用皮金语或英语说一句话——"我卖给Emeka两箱Indomie，两万，他付了一万五，剩下的明天带来。"几秒后屏幕上弹出一张草稿卡：销售、Emeka、2箱Indomie、总额₦20,000、已付₦15,000、还欠₦5,000。每个字段都能改。点"存入我的账本"，Emeka就出现在欠款人页面上，名字旁边挂着₦5,000。到了该收钱的时候，SabiBook起草一条简短的礼貌提醒，直接打开WhatsApp。

此外还有按天分组的流水账、用语音或点金额记录的付款、以及任何已存条目的收据链接。它是一个PWA，可以装到手机主屏上。

谁会掏钱？有十到一百个赊账客户的小商贩。一个月只要追回一笔被遗忘的欠款，一笔小额奈拉订阅费就比省下的钱便宜。做副业的人也一样——比如一个顺手向同事卖香水的人，想知道这事到底赚不赚钱，又不想打开电子表格。托管版本才是生意所在。

说清楚一点：SabiBook还没有部署，也没有用户，所有东西都跑在作者自己的机器上。

两个开源模型，一个不碰算术的账本

AI部分由两个开放权重模型承担。Whisper large v3 turbo负责语音，由Speaches提供服务，在faster-whisper之上套了一个OpenAI风格的转写接口。Ollama上的Gemma 4 E4B读取转写文本，填进一个JSON结构：条目类型、客户、商品、总额、已付、以及这事发生在几天前。提醒文案也由Gemma写。

应用是Next.js，后端用Convex。一条语音的流程是这样的：

• 手机把音频上传到Convex，后台动作把它发给Speaches。商贩保存过的客户名会作为Whisper的提示词一起传过去，所以"Chiamaka"回来时就是她存的那个拼法。
• 转写文本带着同一批名字交给Gemma，这样它会复用Mama Ngozi，而不是再建一个。Gemma返回JSON。如果服务器不支持结构化输出，代码会退回到在提示词里索要JSON。
• Zod按结构校验JSON。
• 纯TypeScript把数字和实际说出口的内容对一遍。
• 草稿出现在屏幕上。在她点保存之前，什么都不会进账本。

第四步是作者最在意的部分。一个会在账本里猜数字的模型，比没有应用更糟，所以Gemma不做任何算术：余额由代码算，balance = total - paid。每一笔金额都必须被听到过——代码会把转写里所有数字抓出来，不管是说出来的"四万五"、简写的"45k"还是写出来的"₦45,000"。如果Gemma返回的金额不在其中，也不是它们的乘积或和，这个字段就会被标上"我没听到这个"。

省略单位是被允许的。商贩会说"四万五，她付了三万五"，意思是35,000。代价是这种情况下检查抓不出10和10,000之间的混淆，所以草稿卡是最后一道防线。商品必须能加得起来，加不起来草稿会说明。赊账销售必须有名字——没有名字的欠款收不回来。不知道的就留空：如果她从没说过付了多少，这个字段就是null，保存按钮会告诉她原因。日期同理，Gemma返回daysAgo，代码用手机本地日期把它变成具体日期。

40句测试，5个漏网案例

作者按商贩说话的方式写了40个测试句：25句英语、10句皮金语、5句混了约鲁巴、豪萨或伊博语词汇。有些是故意写难的。评测脚本对每个字段单独打分。按语言分，英语84.0%（21/25），皮金语100.0%（10/10），混合语80.0%（4/5）。中位延迟2506毫秒，p90是10002毫秒。

五个案例没通过。其中一个让作者最担心：商贩列了价值80,000的商品，然后说"总共六万"。Gemma把总额和已付都改成了₦80,000，于是"商品加不起来"的标记根本没触发——因为80,000是听到过的金额之和，数字落地检查放它过去了。另一个案例里，Chidi为一箱₦12,000的Peak牛奶付了₦15,000，Gemma把已付封顶在₦12,000，多付标记没触发，该找给他的₦3,000消失了。作者认为，这两个问题的修复大概应该放在代码里：当总额是被说出来的，就拿它和模型给的总额比一比。

局限也列得明白：只测了Whisper large v3 turbo；约鲁巴语、豪萨语和伊博语还是beta；语音准确率评测没跑，仓库里有工具但没有数字可引用；一句话只生成一条记录，欠款按客户追踪，不按单笔销售追踪。

为什么开放创新重要？商贩的账本是私密的，它写着谁拖欠、周五店里有多少现金。用开放权重，这些数据可以留在商贩自己选的地方——Gemma、Whisper、Speaches、Ollama和Convex后端全跑在一台机器上，合作社可以把它跑在一台便宜服务器上，客户名单永远不出那个盒子。换模型是一行代码，评测能吃一个模型列表，所以可以在同样的40个案例上比较候选模型再决定换不换。成本也是自己的：一个忙碌的商贩一天能记很多笔销售，而一箱鸡蛋的利润很薄，每句话的硬件和电费由自己承担，没有哪家厂商的调价能改变这一点。

作者不认为闭源API解析不了"他付了一万五"。这个应用需要的是把记录搬离第三方服务器，以及一个自己定的按句成本，开放权重是同时拿到这两样最简单的办法。