快手、孩子王、华为等专家分享大模型在电商运营、母婴消费、翻译等行业场景的实际应用 了解详情
写点什么

作业帮直播课“语音弹幕”功能研发实践

  • 2021-02-28
  • 本文字数:2923 字

    阅读完需:约 10 分钟

作业帮直播课“语音弹幕”功能研发实践

点击屏幕上的小话筒,大声喊出答案,就会看到自己的语音变成文字飘在屏幕上方,不仅如此,还能看到同一小组其他伙伴的发言。在作业帮直播课“小组直播间”,“语音弹幕”这一互动形式让小学生感到新奇。


喜欢这一功能的不仅是小学生。在“小组直播间”产品用户调研中,“语音弹幕”功能在语文学科的主讲老师中的使用率高达 92%。看图说话、读古诗是老师们最爱的使用场景。


从沉默到活跃,“语音弹幕”这一“短频快”的互动方式打开了作业帮直播课全新的教学互动形式。在 AI 技术的赋能下,在线课堂热闹了起来。

大班小组化:用互动打破孤独感

孤独感,是曹越对传统大班直播课的评价,“一个学生对着一块屏幕,孤独地看视频。”


曹越是作业帮直播课小学产品的负责人。在曹越看来,由课件、老师、聊天区构成的“三分屏”模式并未充分尊重小学生的天性。“学习并非单向投喂的过程,氛围感的建立非常重要。”


在大班课内建立以 6 人为单位的小组,通过师生间互相可以看见的“双向视频”模式,以及小组 PK 赢学分等激励机制,“小组直播间”重塑了大班直播课的形态。


2020 年 1 月,作业帮在小学各年段的大班直播课中上线了“小组直播间”功能。“我们希望打造一个学习的‘场’,让学员感受到有同伴,就跟线下一样,和自己的伙伴一起学习。老师和学生给你点赞加油,就跟真实的课堂一样。”


互动是打破孤独感的利器,小组则能营造沉浸的学习氛围。在小组化学习理念的驱使下,作业帮产品和技术用了近一年的时间,借助 AI 语音交互、视觉互动等手段,不断充盈着小组直播间,而“语音弹幕”作为首个语音识别类的功能,拉近了在线直播课上师生、同学之间的距离。



图注:“语音弹幕”功能使用场景示例


在三分屏模式下,“是否卡”、“选项卡”、“投票卡”是学生和老师交流的唯一途径。在一节 60~90 分钟的课上机械而重复的点击回答卡片,学生难免会感觉无聊。


在和小学生和家长的大量接触中,作业帮小学部产品经理聂靖骐感到,对于小学阶段的孩子来说,激发学习兴趣、营造学习氛围才是重点。


在一次刷短视频弹幕的时候,聂靖骐脑子里突然闪过一个念头,“如果上课可以发弹幕,孩子们会发什么?”因为互动性强,弹幕已经成为年轻人中颇受欢迎的交流方式。“这么有趣的方式,为什么不能接入‘小组直播间’的课堂?”


但对于小学生来说,困难也是显而易见的。


“有时候自己发弹幕,都会担心打字的过程错过了精彩内容,对于小孩子来说,像成年人那样快速打字,更是不太现实的。”


再退一步来说,即使打字速度能跟上,打字过程中,键盘遮挡了一半的屏幕,非常容易错过关键信息。


如果换成语音,会不会好一些?

语音弹幕功能上线

2020 年 7 月,在团队内部讨论后,研发“语音弹幕”的需求正式提上了日程。


刚接到这一需求时,作业帮智能语音技术负责人王强强觉得这是个“科技含量”并不高的功能。王强强曾是清华大学语音实验室的技术负责人,在他看来,“语音弹幕”技术并无值得同行称道的创新之处,但一次和阿里研发人员的聊天却转变了他的看法。


"我女儿上二年级,特别喜欢你们的语音弹幕功能,她说电脑竟然能听懂她说的话,非常‘amazing’。"专业技术人员觉得稀松平常的设计,但却给低龄儿童带来十足惊喜。


本着“试水”的心态研发上线后,“语音弹幕”功能良好的反馈也让团队感到惊喜。


从技术层面来说,语音识别在行业里并无秘密,但从在线教育场景来看,语音弹幕的瞬时高并发成为了最大难点。由于之前并无准备,暑假期间高频次的使用,让后端机器差点儿没扛住。


“你就想象一堂课上万学生同时开麦说话,要同时扛住几万路并发,咱们机器压力得有多大?”


原本这功能都没有申请新的预算,但为了扛住这份“甜蜜的负担”,王强强团队紧急增加机器,投入几十万把集群扩了一倍。“我们技术总负责人拍板,学员反馈好,加机器也要上。”


回顾这一次研发经历,王强强更加深刻地体会到用户反馈的重要性。“我们做技术的不能闭门造车,研发的最终目的还是为了用户体验更好。”

行业“最强算法”:不只差了一点点

不打无准备之战。在扛过了 2020 年暑期课程的难关后,王强强化被动为主动,通过更加灵活的架构、行业最低的动态扩收容成本,同时还有阿里、腾讯等多家技术备份,迎接寒假课程。


在硬件准备到位后,王强强开始对语音识别技术的准确率精细打磨。新闻联播主持人口播,系统的语音识别准确率可以达到 99%,但在低龄小学生语音的场景下,准确率会因各种原因大打折扣。


“尚处语言学习阶段的小学生语音表达不清晰、答非所问,又或者家长在一旁干扰,加之方言和口音、环境噪音等因素,都会影响语音识别的准确率。”


在王强强看来,方言识别在全行业尚无好的解决办法,只能靠手动标记;而对于环境噪音,采取传统噪声抑制加深度学习的方法,在语音弹幕场景下取得了良好的效果。


在教育领域内容识别上,作业帮有足够大的资源库。在这方面,即使和互联网大厂相比,作业帮都有足够的底气做到最好。



图注:作业帮产品研发团队讨论场景


“我们的用户量足够大。你让几千个孩子去说,一定有十几二十个说得标准的,我们依托这样的场景,研发一套算法将好的话语快速‘挑’出来。”


摈弃手工标数据,王强强带领团队研发一套自动筛选算法,能在短时间内自动挑选领域内数据,并迅速学习增强自身模型能力。“目前我们这套算法应该是行业里最快,不是说差了一点点,应该是差了很多。”


除了在技术上不断精进外,王强强也积极推动着产品、研发闭环的打造。在他看来,技术埋头研发,然后推销给别的部门的方式,非常被动。“我相信所有的大厂,阿里、腾讯其实他们都这么干,但现实情况是,如果不能预判用户的需求,总是被动响应,做完一个东西再去推销,肯定行不通。”


过去一年,王强强花了大量的精力在公司内部做培训,打入业务方,充分尊重用户反馈,而他对自己的定位,也不再是单纯的技术人员,而是多面手。


“我们是做技术的,但我们也可以是产品,可以是研发,也可以是销售,甚至可以是 HR。”

回归教育本质:科技助力拓展更多可能性

2016 年,阿尔法狗的爆火,让 AI 技术突然进入了普通大众的视野,但对王强强来说,AI 技术的发展应用前景远不止于此。“我出去都不说自己是做 AI 的,就说是做语音识别的。”在王强强看来,目前 AI 功能在应用层面还是比较简单的,远未到人工智能的程度。


在他看来,AI 行业现在有点类似于 20 世纪初汽车行业的发展状况。1903 年内燃机刚上路时,伦敦街头仍会出现“马拉汽车”的景象,“当时好多人都不看好它,因为它老出问题,老抛锚,但 100 年过去,马车消失了,马路上跑的都是汽车。”王强强相信,虽然目前 AI 技术仍处于感知智能阶段,远未达到认知智能的预期,但是它的前景依然远大。


而在线教育,则是 AI 技术落地很广的一个应用场景,每一个在线课堂上的学生,对它的应用都有感知。而未来,AI 交互将更加智能、自然,更加显著地提升在线课堂的交互体验。


基于对未来 AI 发展趋势的预判,新一代家长的教育理念也随之升级,越早让孩子接触,便能触发越多的可能性。而对于那些暂无机会直接接触优质信息资源的孩子来说,在线教育则以跨越时间、空间的普惠性,缩短着由资源差异带来的信息差距。


正如作业帮创始人侯建彬所说,“在线教育的最大价值,还是在于普惠。在此之前,整个教培体系从不缺乏优秀的老师和优质的内容,缺乏的是把这些资源放大、迁移、匹配的便捷管道。”

2021-02-28 14:002868

评论

发布
暂无评论
发现更多内容

Linux系统:第十章:服务器环境搭建,附Java面经

Java 程序员 后端

markdown编辑器的使用教程,Java成长路线图

Java 程序员 后端

MyBatis(四):参数处理器,linux运维架构师

Java 程序员 后端

MyBatis的jdbcType和javaType详解,spring框架入门教程

Java 程序员 后端

Linux云服务器搭建SFTP服务器图片服务器,java线程原理

Java 程序员 后端

Myabtis源码分析六-代理对象Mapper的创建流程分析,死锁全详解,一文带你搞定

Java 程序员 后端

Mybatis 传参的各种姿势,看这一篇就足够,java使用教程下载

Java 程序员 后端

MyBatis详解:spring和mybatis整合,linux视频格式转换

Java 程序员 后端

Kubernetes教程之新手安装必看(快速浏览少走弯路),java集合详解和集合面试题目

Java 程序员 后端

KubeVela + KEDA:为应用带来,kafka入门

Java 程序员 后端

Maven的核心概念,java面试高频知识点

Java 程序员 后端

mybatis-plus使用教程,java面试题基础篇

Java 程序员 后端

MyCat教程【分库分表】,java教程pdf百度网盘

Java 程序员 后端

linux安装oracle XE,详解Java架构进阶面试题

Java 程序员 后端

MongoDB :第六章:Java程序操作MongoDB,mysql复合索引面试题

Java 程序员 后端

Mybatis学习笔记--Mybatis实现CRUD,springboot注解面试题

Java 程序员 后端

MyBatis详解(二)(1),轻松拿到了阿里Java高级开发工程师的offer

Java 程序员 后端

Linux内核结构组成之进程调度,java开发直播系统相关教程

Java 程序员 后端

Log4j使用指南,java入门视频教程

Java 程序员 后端

Mybatis Generator最完整配置详解,Java面试

Java 程序员 后端

mybatis开发要点-insert主键ID获取和多参数传递,mybatis原理详解

Java 程序员 后端

MySQL 5,java架构师成长直通车

Java 程序员 后端

Linux上安装Mycat和配置连接MySQL 8,三年经验月薪50k我是怎么做到的

Java 程序员 后端

Linux系统:第十一章:常用命令,华为java面试面经

Java 程序员 后端

Maven相关知识点整理,java基础语法的格式

Java 程序员 后端

mybatis常用注解(绝对经典),java程序设计教程张延军课后答案

Java 程序员 后端

MyBatis详解(二),java开发岗高频面试题全解析祖国的花朵

Java 程序员 后端

mybatis-plus代码生成器,一键生成代码,springcloud教程百度云

Java 程序员 后端

Mybatis一二级缓存实现原理与使用指南,java后端技术梳理

Java 程序员 后端

MyBatis详解(一),实战java高并发程序设计

Java 程序员 后端

MyCat:第四章:Mycat中的概念,linux内核编译教程

Java 程序员 后端

作业帮直播课“语音弹幕”功能研发实践_AI&大模型_筱澍_InfoQ精选文章