【帮帮技术漫谈】第1期来啦！对着屏幕背古诗 自动识别错误，还有评分？这是怎样实现的？

智能语音评测背后有一个重要的词汇：计算机辅助语言学习（Computer Assisted Language Learning——CALL），常见的英语单词跟读评分，也是基于这个原理。

但偶尔你是不是也会怀疑，这评分真的靠谱吗？

其实发音评判的维度包括以下方面：准确率、流畅度、完整度、韵律、语调。而口语好坏的评价则相对主观的，人工专家会根据自身经验和知识，在各维度进行打分。

AI替代的评测系统，要做的就是不断学习，让智能打分越来越接近专家。

一般参考两大指标：即相关系数（Pearson correlation coefficient）和一致性（kappa coefficient），越接近专家打分，说明系统越靠谱。

作业帮在实践中，基于特征提取工程，收集了包括GOP（Goodness of Pronunciation）分数，元辅音，词性，声调，发音时长，流利度等多维度信息，通过神经网络模型强拟合能力，预测分数结果，目前评测效果与人工打分已有非常高的一致性！（点赞）

那么，古诗背诵中的语音评测，难在哪里？

首先，在古诗的评测文本中，其解码图不同于单独的词语，而是以一个完整的句子为单位。

作业帮采用了多分支评测的方法，支持句子重复读（可以家长领读，小孩跟读），跳读（即可以往前跳，也可以往后跳），保留了足够的自由度。

同时，读古诗时刷新速度非常快，为保证能实时反馈评测结果，我们通过ONNX 跨平台部署，神经网络模型剪枝，将算法模型压缩至10M以内，做到了手机等移动端本地才能获得的极致丝滑体验。

当然，如果没有充足的数据，再好的模型也无法学到足够的“知识”。在这一方面，作业帮相关专利技术可实现语音识别系统中数据自动回流训练，不断主动学习，达到自动模型迭代的效果。

屏幕前的朗朗背诵声，背后是一个精妙的算法世界。