一个一亿人用的语音识别APP,需要多少人开发
发布网友
发布时间：2022-05-11 07:18
共3个回答
热心网友
时间：2023-10-08 17:35
具体来说，目前的语音识别技术可以怎样帮助学习者提高口语呢？
秦龙：主要是两种方式，第一种的目的是帮助用户改善发音：软件给出一个句子，用户读句子，机器会通过语音识别技术来判断你发音对不对，给出一个评分。
第二种方式，目前的语言学习软件，包括 Duolingo 在内，做得都还不够好：理想状况下，在创建的场景下，学习者和电子设备应该可以实现自由对话，语音识别技术不但能够识别发音是否标准，还能进行语义理解，判断学习者的词汇句法是否正确，这和Siri的技术有些相似，但具体如何在 Duolingo 中实现，我们还在研究中。
目前 Duolingo 网页端已经可以做到的是：在创建的场景中，引导用户先用文字翻译句子，再把翻译后的外语读出来，机器会分别就文字翻译和口语发音两方面的水准进行打分。
Duolingo 目前提供超过40种语言课程，甚至包括克林贡语。语音识别技术支持其中多少种？
秦龙：目前已支持的语言有10种（英语、西班牙语、法语、德语、意大利语、葡萄牙语、荷兰语、丹麦语、瑞典语、土耳其语），已在开发中即将上线的还有乌克兰语和挪威语。Duolingo 在英语语音识别中投入最多，它的识别结果和打分也最准确，因为英语是目前 Duolingo 上学习人数最多的语言，占到全部流量的30-40%。
团队目前有多少人？每种语言的语音识别需不需要开发者本身懂这种语言？
秦龙：Duolingo 语音识别团队目前由我一个人负责。我本人只会中文和英文，所以刚开始接触的时候也有些忐忑。最后衡量语音识别效果的是客观评测，所以开发者其实并不必须掌握语言本身，但对每种语言的是深入理解对开发是有很大帮助的，在细节的处理上会更准确一些。
能不能给非技术背景的读者解释一下，多语种语音识别的难度究竟在哪里？Duolingo 每开发一种新语言的成本如何？
秦龙：难度主要来自三方面。一是数据非常庞杂：来自网页端、平板、手机端的语音质量都不相同；男女老少，甚至不同文化程度的人有不同的语言习惯；朗读和自然对话的语音数据不同；室内录音和室外录音也数据也不同......要将这些情况全部考虑进去，做出准确的识别结果，需要相当大的开发量。
二是不同语言有不同元素，比如中文的特点是有平仄声调，德语的特点是可以把不同词汇组在一起生成一个新词，因此词汇量异常的大，开发时需要根据每种语言的特点做相应调整。
三是多语种数据库本身有很大的维护成本。
目前世界上识别语言最多的技术应该来自Google，覆盖了40多种语言，Siri 和微软也都能识别20多种。
就 Duolingo 来说，开发英语识别这部分用了2-3个月，其他一些小语种（西、德、法、意）在数据到位的情况下，用2-3个星期就完成了。
Duolingo 作为一家创业型公司，整个公司负责语音识别技术的也只有你一个人，没有科技巨头们那么多的资源，又要开发多种语言，怎么应对这种压力呢？
秦龙：我们的诀窍主要是：利用一切可以利用的免费资源。比如，我们会利用公开的Google API 在Chrome 版本的 Duolingo 中使用，省去一部分开发资源；我们还会利用 Google Voice Search 的语音识别，不过因为我们识别需要服务于语言学习的目的，而不是搜索目的，所以使用时会在后端做一些调整；另外，我们还会抓取一些开源词典的发音，并根据 Duolingo 的需求做一些剪裁和修改。
热心网友
时间：2023-10-08 17:35
使用的人多可能是功能强大，适合大众使用，受用户欢迎
热心网友
时间：2023-10-08 17:36
