為什么一個(gè)語(yǔ)言學(xué)習(xí)軟件，能被 OpenAI 連投四輪？

2018 年 1 月，Speak 正式在韓國(guó)上線應(yīng)用商店。上線當(dāng)天共 3 人付費(fèi)，收入 18 美元。這是 Speak 成立 3 年來(lái)第一筆用戶(hù)付費(fèi)收入。

Speak 是兩位天才少年共同打造的一款 AI 語(yǔ)言學(xué)習(xí)產(chǎn)品。

一位名叫 Andrew Hsu，生于中國(guó)臺(tái)灣，在美國(guó)長(zhǎng)大，從小便是華盛頓各大媒體筆下的天之驕子。Hsu 5 歲能解代數(shù)題，7 歲因太聰明而輟學(xué)開(kāi)始家庭教育（Home-schooling），用 1 年時(shí)間學(xué)完了從小學(xué)到初中的課程；12 歲考入華盛頓大學(xué)，16 歲從華盛頓大學(xué)畢業(yè)時(shí)手握三個(gè)理學(xué)學(xué)士學(xué)位；19 歲成為斯坦福大學(xué)神經(jīng)科學(xué)項(xiàng)目四年級(jí)博士候選人后輟學(xué)創(chuàng)業(yè)，成為 Peter Thiel"20 Under 20" 計(jì)劃的一期學(xué)員，后來(lái)成為首位拿到 Google Venture 等知名 VC 投資的創(chuàng)業(yè)者。

另一位名叫 Connor Zwick，從 13 歲開(kāi)始編程，曾被澳大利亞科技網(wǎng) Nettuts.com 聘請(qǐng)擔(dān)任網(wǎng)站作者；高二時(shí)開(kāi)發(fā)一款語(yǔ)言學(xué)習(xí)應(yīng)用 Flashcard+，用戶(hù)最高達(dá) 500 萬(wàn)，最終被上市教育企業(yè) Chegg 收購(gòu)。之后，Connor 入學(xué)哈佛，但只上了一年課便輟學(xué)創(chuàng)業(yè)，成為 "20 Under 20" 計(jì)劃二期學(xué)員并結(jié)識(shí) Hsu。

2016 年，二人共同創(chuàng)辦語(yǔ)言學(xué)習(xí)應(yīng)用 Speak，試圖借助最新的 AI 技術(shù)，打造一個(gè) "AI tutor"，讓每位語(yǔ)言學(xué)習(xí)者享受到個(gè)性化教育，真正學(xué)會(huì) " 說(shuō) " 英語(yǔ)。

為實(shí)現(xiàn)這個(gè)目標(biāo)，成立以來(lái)，Speak 團(tuán)隊(duì)用了幾年時(shí)間反復(fù)試驗(yàn) PMF。而上線首日的 18 美元讓團(tuán)隊(duì)第一次看到希望，也為今天的 10 億美元估值寫(xiě)下序章。

" 小天才組合 "

2011 年，Peter Thiel 發(fā)起 20 Under 20 計(jì)劃，鼓勵(lì)有想法的學(xué)生輟學(xué)或暫時(shí)休學(xué)創(chuàng)業(yè)。

同年，年僅 19 歲的天才少年 Andrew Hsu 從斯坦福輟學(xué)，成為 20 Under 20 的一期學(xué)員，并創(chuàng)辦 Airy Labs。Airy Lab 希望針對(duì)兒童開(kāi)發(fā)出能被家長(zhǎng)們廣泛認(rèn)可的，具有教育意義的社交游戲，真正實(shí)現(xiàn) " 寓學(xué)于樂(lè) "。

當(dāng)時(shí)，Hsu 天才少年的光環(huán)，Peter Thiel 的背書(shū)，以及超前的教育理念讓 Airy Labs 成為 VC 眼中的一顆新星。Airy Labs 成立不久便獲得 150 萬(wàn)美元種子輪融資，投資方大佬云集，包括 Google Ventures、Foundation Capital 和 Playdom 創(chuàng)始人 Rick Thompson。拿到融資后，Airy Labs 的團(tuán)隊(duì)迅速擴(kuò)充至 20 人，Hsu 也成為媒體口中的創(chuàng)業(yè)明星。

然而，一時(shí)風(fēng)光無(wú)兩的 Airy Labs 僅存活了不到 1 年。

Hsu 的天賦并未在經(jīng)營(yíng)公司中體現(xiàn)，他的父母成為公司真正的掌舵人，并逐漸將公司變成了一個(gè) " 家庭作坊 "。

Hsu 的父母近乎像管孩子一樣管理 Airy Labs，他們制定的一系列管理制度在員工眼中都很 " 糟糕 "。例如，上午 9 點(diǎn)到下午 6 點(diǎn)不能在辦公室大聲說(shuō)話，必須通過(guò)電子郵件或通訊軟件交流；部分成員需要在工作結(jié)束后向 Andrew Hsu 或其父母匯報(bào)工作，經(jīng)常等到晚上 9、10 點(diǎn)甚至更晚才下班，而且每周通常要工作 6~7 天。

" 管理層與父母不同，他們肯定不愛(ài)我們。他們要求的工作時(shí)間在他們所在的國(guó)家可能是正常的，但在這里是不可接受的。我認(rèn)為他們沒(méi)有根據(jù)文化差異進(jìn)行調(diào)整。" 一位離職員工曾抱怨。

除管理問(wèn)題外，Airy Labs 的離職員工曾透露，公司并沒(méi)有清晰的愿景和戰(zhàn)略布局。公司網(wǎng)站上描述的愿景是 " 為兒童打造下一代社交學(xué)習(xí)游戲 "，但公司卻沒(méi)幾個(gè)全職的游戲設(shè)計(jì)師。在這種情況下，公司卻一連發(fā)布 7 款免費(fèi)產(chǎn)品，幾個(gè)月后才引入收費(fèi)機(jī)制，導(dǎo)致公司一直燒錢(qián)，卻沒(méi)有收入。

面對(duì)如此局面，Hsu 一度寄希望于 A 輪融資能提供更多資金維持運(yùn)轉(zhuǎn)。但最終，員工們沒(méi)有等到 A 輪融資，而是減薪裁員、公司倒閉。

創(chuàng)業(yè)失敗的教訓(xùn)慘痛，但 Andrew Hsu 改變教育的熱情卻絲毫不減。正是這次創(chuàng)業(yè)經(jīng)歷，他認(rèn)識(shí)了 20 Under 20 計(jì)劃的二期學(xué)員 Connor Zwick。

Connor Zwick 從 13 歲開(kāi)始編程，曾被澳大利亞科技網(wǎng) Nettuts.com 聘請(qǐng)擔(dān)任網(wǎng)站作者。高二時(shí)，Connor Zwick 一度對(duì)時(shí)下的教育體制感到失望，希望用創(chuàng)新技術(shù)實(shí)現(xiàn)真正的 " 因材施教 "。于是，Zwick 開(kāi)發(fā)了語(yǔ)言學(xué)習(xí)應(yīng)用 Flashcards Plus，用戶(hù)可以把單詞和短語(yǔ)的語(yǔ)音制作成電子學(xué)習(xí)卡片反復(fù)練習(xí)。

" 我當(dāng)時(shí)的想法是，如果能將這些知識(shí)點(diǎn)匯總成某種知識(shí)圖譜，就能生成任何內(nèi)容、教授任何知識(shí)，并創(chuàng)造出一個(gè)無(wú)所不知的導(dǎo)師。"Connor 近期回憶道。但顯然，當(dāng)時(shí)的技術(shù)水平難以滿(mǎn)足這個(gè)愿景。最終，F(xiàn)lashcards Plus 全球用戶(hù)量達(dá)到 500 萬(wàn)，2013 年被教育科技上市公司 Chegg 收購(gòu)。

之后，Connor 考入哈佛，在哈佛大學(xué)學(xué)習(xí)一年后，便拿下 10 萬(wàn)美元的泰爾獎(jiǎng)學(xué)金和 Y Combinator 提供的 15 萬(wàn)美元投資輟學(xué)創(chuàng)業(yè)，開(kāi)發(fā)了 Coco Controller，曾和 30 家游戲企業(yè)建立聯(lián)系。

直到 2016 年，Andrew Hsu 和 Connor Zwick 都看到了在 AI 教育領(lǐng)域再次出發(fā)的機(jī)會(huì)。

AlphaGo 戰(zhàn)勝李世石后，深度學(xué)習(xí)范式成為 AI 界的新熱點(diǎn)，大量人工智能論文問(wèn)世，Andrew Hsu 和 Connor Zwick 在硅谷親眼見(jiàn)證了一切的發(fā)生。

" 那時(shí)的模型更加具體，比如語(yǔ)音模型、圖像模型。我們看到這些模型即將與人類(lèi)一樣好，甚至比人類(lèi)更好。"Connor 曾對(duì)媒體表示，" 當(dāng)時(shí)只是覺(jué)得這東西很酷，想用 AI 來(lái)打造一些有趣的東西。"

他們用一年時(shí)間研究 AI，甚至到斯坦福蹭課學(xué) AI。期間，他們嘗試開(kāi)發(fā)了各種不同的算法，還嘗試過(guò)不少計(jì)算機(jī)視覺(jué)應(yīng)用，例如用 AI 定制服裝，或應(yīng)用于醫(yī)學(xué)影像測(cè)量人體指標(biāo)，以及用深度學(xué)習(xí)預(yù)測(cè)天氣。

但二人發(fā)現(xiàn)語(yǔ)音識(shí)別是效果最驚艷的。當(dāng)時(shí)，他們?cè)?YouTube 上隨機(jī)收集了一些語(yǔ)音數(shù)據(jù)，構(gòu)建了一個(gè)語(yǔ)音識(shí)別系統(tǒng)，不僅能理解用戶(hù)說(shuō)話的內(nèi)容，還能理解不同口音。

用隨機(jī)數(shù)據(jù)訓(xùn)練的模型尚且有這么好的效果，如果質(zhì)量更高的數(shù)據(jù)呢？于是，二人提出一個(gè)技術(shù)假設(shè)：是否能構(gòu)建一種真正可用的產(chǎn)品，從中收集足夠的用戶(hù)數(shù)據(jù)，以供算法使用，改善建模，優(yōu)化產(chǎn)品體驗(yàn)，進(jìn)而獲取更多的數(shù)據(jù)，形成良性的數(shù)據(jù)循環(huán)？

在這個(gè)假設(shè)之上，Speak 成立了。

" 先有雞 " 還是 " 先有蛋 "？

或許是有了此前創(chuàng)業(yè)失敗的經(jīng)驗(yàn)，Speak 從創(chuàng)辦之初就制定了清晰的發(fā)展路徑。

Andrew Hsu 和 Connor Zwick 二人一致認(rèn)為，除非學(xué)習(xí)者移居到英語(yǔ)母語(yǔ)地區(qū)，否則大概率只能學(xué)到一手 " 啞巴英語(yǔ) "，無(wú)法正常交流。因此，Speak 的愿景就是為每一位用戶(hù)打造一位個(gè)性化的 "AI tutor"，讓想學(xué)英語(yǔ)的人能真正會(huì)說(shuō)會(huì)用。

目標(biāo)很清晰，問(wèn)題在于如何實(shí)現(xiàn)。

Speak 成立初期，團(tuán)隊(duì)遇到了經(jīng)典的 " 先有雞 " 還是 " 先有蛋 " 的問(wèn)題——要建立強(qiáng)大的 AI 模型，就需要大量多元、高質(zhì)量的語(yǔ)音數(shù)據(jù)喂給模型。但要獲得數(shù)據(jù)，要么需要全程手動(dòng)搜集，成本高昂；要么就需要?jiǎng)?chuàng)建一款可以收集該類(lèi)數(shù)據(jù)的產(chǎn)品，但好的產(chǎn)品體驗(yàn)又建立在強(qiáng)大的模型能力之上。

權(quán)衡過(guò)后，Speak 并未直接自研模型，而是在當(dāng)時(shí)的技術(shù)水平下，先推出一款用戶(hù)可接受的產(chǎn)品，跑通 PMF，用戶(hù)逐漸增長(zhǎng)后，Speak 再根據(jù)用戶(hù)數(shù)據(jù)微調(diào)自己的模型，形成數(shù)據(jù)飛輪。

起初，Speak 面向全球推出產(chǎn)品做用戶(hù)測(cè)試，每個(gè)市場(chǎng)都有 AI 對(duì)話功能，用戶(hù)可以選擇一個(gè)類(lèi)別，選擇喜歡的話題和 AI 簡(jiǎn)短對(duì)話。但試驗(yàn)發(fā)現(xiàn)效果并不好，用戶(hù)基本會(huì)在產(chǎn)品發(fā)布 30 天后流失。

這個(gè)結(jié)局或許并不意外。不同地區(qū)用戶(hù)的學(xué)習(xí)需求、習(xí)慣文化背景不同，很難一概而論，而且語(yǔ)言學(xué)習(xí)市場(chǎng)本就競(jìng)爭(zhēng)激烈，已經(jīng)有 Duolingo、Babbel 等巨頭占領(lǐng)市場(chǎng)，很難正面 " 硬剛 "。此外，當(dāng)時(shí)的語(yǔ)音識(shí)別技術(shù)也不足以識(shí)別全球各地的語(yǔ)音差異。

在 Andrew Hsu 和 Connor Zwick 苦悶之際，投資人建議先把公司規(guī)模做起來(lái)，但二人很警惕這種做法。直到 2023 年 6 月，成立七年的 Speak 也只有 30 多名員工。

最終，他們決定先從單一市場(chǎng)攻破，以便集中精力用有限的資源快速驗(yàn)證和迭代產(chǎn)品。

2019 年，Speak 正式進(jìn)軍韓國(guó)市場(chǎng)。此前，Speak 進(jìn)行了一番嚴(yán)格的市場(chǎng)調(diào)研。他們租了一個(gè)小房間做小規(guī)模的用戶(hù)測(cè)試，給每一位參與測(cè)試的用戶(hù)發(fā)一部測(cè)試手機(jī)，并全程記錄用戶(hù)的使用過(guò)程。

他們發(fā)現(xiàn)，用戶(hù)真正使用產(chǎn)品的時(shí)間大多在通勤的時(shí)候。抓住通勤時(shí)段培養(yǎng)起用戶(hù)的學(xué)習(xí)習(xí)慣后，用戶(hù)在其他時(shí)間也會(huì)自然而然用 Speak 產(chǎn)品練習(xí)英語(yǔ)口語(yǔ)。

意識(shí)到這一點(diǎn)后，Speak 發(fā)現(xiàn)產(chǎn)品的使用量、轉(zhuǎn)化率、留存率都大幅提升，Speak 才算初步跑通了 PMF。但在 Hsu 看來(lái)，"PMF 不僅僅是單點(diǎn)的事物，而是一個(gè)連續(xù)的過(guò)程。你改進(jìn) PMF 的程度越大，你的增長(zhǎng)速度通常就越快 "。

之后，Speak 不斷更新產(chǎn)品功能和課程內(nèi)容，并不斷優(yōu)化產(chǎn)品的交互設(shè)計(jì)。" 任何形式的工具提示、用戶(hù)教育或功能解釋?zhuān)家馕吨覀兊脑O(shè)計(jì)還不夠完善。"Connor 認(rèn)為，應(yīng)把盡可能減少用戶(hù)教育作為一個(gè)目標(biāo)。而 Speak 將這一點(diǎn)做到了極致。

很多語(yǔ)言學(xué)習(xí) App 的內(nèi)容會(huì)采用算法推薦機(jī)制，新用戶(hù)進(jìn)入應(yīng)用后，通常會(huì)做一份簡(jiǎn)單的問(wèn)卷或用戶(hù)引導(dǎo)流程，選擇自己的學(xué)習(xí)動(dòng)機(jī)、想學(xué)的內(nèi)容等，算法會(huì)根據(jù)用戶(hù)反饋給其首頁(yè)推薦大量信息。但在 Connor 看來(lái)，這些信息并非真正有用。" 過(guò)去我們想要獲得有價(jià)值的信息都要自己主動(dòng)去搜索，而那些被推送過(guò)來(lái)的信息有 99% 都毫無(wú)價(jià)值，比如垃圾郵件和推送通知。"

因此，Speak 借助 AI 能力打造了一個(gè)全新的界面解鎖方式。

在產(chǎn)品首頁(yè)，Speak 沒(méi)有給任何新用戶(hù)引導(dǎo)流程，只有一個(gè)簡(jiǎn)單的問(wèn)題：" 你為什么想學(xué)英語(yǔ)？" 然后用戶(hù)就可按下 " 開(kāi)始 " 按鈕說(shuō)話。每個(gè)用戶(hù)都會(huì)用不同的情緒、語(yǔ)音語(yǔ)調(diào)回復(fù)不同的答案。Speak 會(huì)根據(jù)這些信息為用戶(hù)構(gòu)建個(gè)性化體驗(yàn)。

不過(guò)，Connor 曾表示，雖然語(yǔ)音到語(yǔ)音模型效果越來(lái)越好，但 " 語(yǔ)音并不總是最佳的人機(jī)交互方式，很多時(shí)候，打字和點(diǎn)擊圖標(biāo)是更快捷的方式 "。因此，Speak 試圖探索一種 " 混合界面 "，讓用戶(hù)可以在隨時(shí)都自由選擇說(shuō)話還是打字。

同時(shí)，為了更好地理解用戶(hù)，Speak 在后臺(tái)運(yùn)行時(shí)，例如在夜間，模型會(huì)利用閑置 GPU 資源分析用戶(hù)數(shù)據(jù)，從而解析用戶(hù)感興趣的課程，并在第二天的學(xué)習(xí)中給用戶(hù)推送新的課程。在 Connor 看來(lái)，" 思維模型 " 真正的價(jià)值正在于，即使用戶(hù)沒(méi)有使用產(chǎn)品，模型也在后臺(tái)不斷處理著用戶(hù)數(shù)據(jù)，分析用戶(hù)需求。這種模式也決定，Speak 的產(chǎn)品迭代依賴(lài)于模型有更強(qiáng)的語(yǔ)音識(shí)別、理解和生成能力。

2022 年，Speak 遇到 OpenAI，PMF 又有了質(zhì)的飛躍。

綁定 OpenAI，自建 AI 團(tuán)隊(duì)

從 2022 年起，OpenAI 連續(xù)四次投資 Speak。

OpenAI Startup Fund 成立于 2021 年 5 月，已投資數(shù)個(gè) AI 應(yīng)用項(xiàng)目，包括 Descript、Anysphere、Diagram、Harvey AI、Kick、Mem 和 Speak 等，涉獵 AI 音視頻編輯、AI 編碼工具、AI 產(chǎn)品設(shè)計(jì)、AI 法律顧問(wèn)、會(huì)計(jì)軟件等多個(gè)領(lǐng)域的落地應(yīng)用。其中，Speak 是唯一一個(gè)教育類(lèi)軟件。

對(duì)于投資的創(chuàng)業(yè)項(xiàng)目，OpenAI 通常不僅給錢(qián)，還給技術(shù)。Speak 也不例外。

2023 年 3 月，Speak 先后官宣了和 OpenAI 的三項(xiàng)合作：

3 月 1 日，宣布成為 OpenAI 全新 "Whisper" 模型 API 的首發(fā)合作伙伴。Whisper 有更強(qiáng)的語(yǔ)音識(shí)別能力，在處理帶口音的語(yǔ)音以及無(wú)縫處理多語(yǔ)言語(yǔ)音（代碼切換）方面的表現(xiàn)更好。

3 月 14 日，宣布其作為早期訪問(wèn)者，將 GPT-4 接入其 "AI tutor" 中，能讓 AI tutor 實(shí)現(xiàn)高度個(gè)性化和上下文相關(guān)的反饋。同時(shí)，GPT-4 能夠生成更高準(zhǔn)確度和連貫性的文本，讓用戶(hù)和 AI tutor 進(jìn)行更自然、更有針對(duì)性的互動(dòng)。

3 月 23 日，Speak 宣布與 OpenAI 合作啟動(dòng) ChatGPT 插件的 Alpha 版本，用戶(hù)可從 ChatGPT 的界面直接訪問(wèn) Speak。

但 Speak 并未把全部希望寄托在 OpenAI 上。在和 OpenAI 深度綁定的同時(shí)，Speak 也在 2023 年著手搭建了自己的 AI 團(tuán)隊(duì)，開(kāi)始利用過(guò)去幾年從產(chǎn)品上積累的數(shù)據(jù)集微調(diào)自己的語(yǔ)音模型。

2024 年，Speak 在官網(wǎng)博客中宣布升級(jí)了核心語(yǔ)音識(shí)別系統(tǒng)。

系統(tǒng)升級(jí)前，Speak 分別在 iOS 和 Android 系統(tǒng)上運(yùn)營(yíng)著不同的 ASR（自動(dòng)語(yǔ)音識(shí)別）系統(tǒng)，還會(huì)用自有數(shù)據(jù)訓(xùn)練端側(cè)小模型適配特定型號(hào)的移動(dòng)設(shè)備，也會(huì)采用第三方語(yǔ)音識(shí)別服務(wù)。

但長(zhǎng)此以往，Speak 便發(fā)現(xiàn)了一些弊端。例如，為了支持比較老的設(shè)備，Speak 使用了參數(shù)規(guī)模更小、計(jì)算能力較低的模型，對(duì)語(yǔ)音識(shí)別效果較差；第三方語(yǔ)音識(shí)別服務(wù)往往也難以識(shí)別口音較重的語(yǔ)音，會(huì)影響用戶(hù)體驗(yàn)；Speak 必須維護(hù) iOS 和 Android 兩套語(yǔ)音系統(tǒng)，導(dǎo)致 " 事倍功半 "。

而系統(tǒng)升級(jí)后，Speak 基于內(nèi)部數(shù)據(jù)集微調(diào)了 Conformer 系列的語(yǔ)音識(shí)別模型，該數(shù)據(jù)集包含了用戶(hù)數(shù)千小時(shí)帶有濃重口音的英語(yǔ)語(yǔ)音音頻。

此外，Connor 認(rèn)為：" 模型評(píng)估非常困難且重要。對(duì)于我們的機(jī)器學(xué)習(xí)團(tuán)隊(duì)來(lái)說(shuō)，最重要的可能是評(píng)估，特別是對(duì)于大型語(yǔ)言模型經(jīng)常執(zhí)行的開(kāi)放式任務(wù)，如果你能夠提煉出完美的評(píng)估標(biāo)準(zhǔn)，你基本上就提煉出了你正在優(yōu)化的目標(biāo)問(wèn)題。" 因此，Speak 根據(jù)用戶(hù)數(shù)據(jù)，構(gòu)建了自定義測(cè)試集，主要評(píng)估語(yǔ)音模型根據(jù)音頻轉(zhuǎn)錄單詞的單詞錯(cuò)誤率（WER）。評(píng)估發(fā)現(xiàn)，微調(diào)過(guò)后的模型單詞錯(cuò)誤率比通用模型降低 60% 以上。

內(nèi)部 Speak 測(cè)試集上的單詞錯(cuò)誤率（WER），圖片來(lái)源：Speak 官網(wǎng)

目前，Speak 微調(diào)的 Conformer-CTC 模型僅用于英語(yǔ)語(yǔ)音識(shí)別，但 Speak 透露，該模型未來(lái)也將擴(kuò)展到西班牙語(yǔ)等其他語(yǔ)言中。此外，Speak 還在開(kāi)發(fā)超出單詞之外的其他語(yǔ)音和語(yǔ)言模態(tài)（例如，用于發(fā)音反饋的音素）。

在用自有數(shù)據(jù)微調(diào)模型的同時(shí)，Speak 依然抓緊每一次與 OpenAI 合作的機(jī)會(huì)。因?yàn)樵?Connor 看來(lái)，" 語(yǔ)言學(xué)習(xí)和實(shí)時(shí)對(duì)話練習(xí)，是語(yǔ)音到語(yǔ)音技術(shù)的最佳用例，因此我們抓住機(jī)會(huì)與 OpenAI 合作，并將這項(xiàng)技術(shù)深度嵌入我們的核心體驗(yàn)中。" 博客寫(xiě)道。

2024 年 10 月 1 日，Speak 又與 OpenAI 合作測(cè)試了 GPT-4o 的實(shí)時(shí) API，推出 Live Roleplays，使用戶(hù)能夠在各種角色扮演情境中進(jìn)行沉浸式、逼真的口語(yǔ)練習(xí)。借助 GPT-4o 上的實(shí)時(shí) API，Speak 的 AI tutor 可以像人類(lèi)教室一樣快速或更快地響應(yīng)，并能夠理解并提供關(guān)于語(yǔ)音各方面的反饋，而不僅僅是純文本轉(zhuǎn)錄，如語(yǔ)調(diào)、發(fā)音、韻律等。

不過(guò)，Speak 在博客中寫(xiě)道，語(yǔ)音到語(yǔ)音模型的指令跟隨能力仍然不如文本模型，目前還不擅長(zhǎng)更細(xì)致的語(yǔ)言學(xué)習(xí)特定任務(wù)，如發(fā)音指導(dǎo)和反饋。

語(yǔ)言學(xué)習(xí)界最懂 AI 的公司

2024 年 12 月，Speak 宣布完成 7800 萬(wàn)美金 C 輪融資，由 Accel 領(lǐng)投，OpenAI Startup Fund、Khosla Ventures 和 Y Combinator 等跟投。本輪投后估值 10 億美元，Speak 也被看作大模型浪潮中第一家真正以 C 端應(yīng)用立足的獨(dú)角獸。

除獲得資本青睞外，Speak 的產(chǎn)品表現(xiàn)也得到市場(chǎng)認(rèn)可。據(jù) " 投資實(shí)習(xí)所 " 的信息，截止 2024 年 12 月，Speak 的 ARR 已經(jīng)接近 5000 萬(wàn)美元，年增長(zhǎng)率達(dá)到 100%。

Speak 主要的商業(yè)收入都來(lái)自 C 端，沒(méi)有免費(fèi)版本，只為用戶(hù)提供七天免費(fèi)試用，之后就按月或按年收費(fèi)，收費(fèi)標(biāo)準(zhǔn)分為 2 檔：

Premium 計(jì)劃：$99.99/ 年，每月 2000 個(gè) AI tutor 積分；

Premium plus 計(jì)劃：$234.99/ 年，每月 10000 個(gè) AI tutor 積分。

（AI tutor 積分對(duì)應(yīng)的是用戶(hù)和 AI Tutor 的對(duì)話字?jǐn)?shù)，每和 AI 對(duì)話一個(gè)詞即 1 積分。）

在 Speak 的實(shí)際測(cè)試中，2000 家教積分學(xué)習(xí) 5 天就能消耗完，這也意味著對(duì)于有固定學(xué)習(xí)習(xí)慣的用戶(hù)而言，Premium Plus 方案更劃算。

2024 年，Speak 也開(kāi)始拓展 to B 業(yè)務(wù)。Speak for Business 可以練習(xí)特定的商務(wù)對(duì)話，例如與供應(yīng)商和客戶(hù)的專(zhuān)業(yè)討論等。目前，Speak for Business 擁有超過(guò) 200 個(gè)客戶(hù)，員工采用率為 85%。

Speak 為何能在一眾語(yǔ)言學(xué)習(xí)市場(chǎng)激烈的競(jìng)爭(zhēng)中脫穎而出？答案或許就是 " 聚焦 " 二字。

Speak 自創(chuàng)立之初的目標(biāo)就很聚焦，圍繞 " 啞巴英語(yǔ) " 這個(gè)核心痛點(diǎn)打造產(chǎn)品體驗(yàn)，并一直堅(jiān)持產(chǎn)品導(dǎo)向的思路，持續(xù)迭代 PMF。最近的訪談中，Connor 表示 Speak 一直非常注重課程內(nèi)容，現(xiàn)在內(nèi)部仍會(huì)對(duì) AI tutor 的課程內(nèi)容進(jìn)行 A/B test。

同時(shí)，兩位創(chuàng)始人很清楚，其產(chǎn)品體驗(yàn)的迭代很大程度上依賴(lài)于底層 AI 模型的能力。因此，在 OpenAI 強(qiáng)勢(shì)爆發(fā)后，Speak 主動(dòng)擁抱大模型。找到 OpenAI 這個(gè)強(qiáng)勢(shì)的合作伙伴后，Speak 也并未在 AI 的火爆中迷失方向，盲目高估模型的能力，而是組建自己的 AI 團(tuán)隊(duì)，利用多年積累的用戶(hù)數(shù)據(jù)微調(diào)語(yǔ)音模型，升級(jí)語(yǔ)音識(shí)別系統(tǒng)，繼續(xù)迭代產(chǎn)品功能。

套用近兩年很時(shí)髦的概念，Speak 是一個(gè)更加 "AI 原生 " 的產(chǎn)品。相比其他語(yǔ)言學(xué)習(xí)應(yīng)用，Speak 更像一家技術(shù)公司。按對(duì)話積分消耗收費(fèi)的模式，也和大模型按 token 消耗量計(jì)費(fèi)的模式很相似，甚至營(yíng)銷(xiāo)文案也相應(yīng)調(diào)整為類(lèi)似 "20 分鐘內(nèi)說(shuō) 100 句話 " 的口號(hào)。

同時(shí)，為了在單一市場(chǎng)打造最佳產(chǎn)品體驗(yàn)，Speak 也十分注重產(chǎn)品設(shè)計(jì)和營(yíng)銷(xiāo)手段的本地化。在正式進(jìn)入韓國(guó)市場(chǎng)前，Speak 做了充分的市場(chǎng)調(diào)研，并在后期搭建了一個(gè)世界級(jí)的本地營(yíng)銷(xiāo)團(tuán)隊(duì)，根據(jù)韓國(guó)市場(chǎng)的用戶(hù)特點(diǎn)定制相應(yīng)的營(yíng)銷(xiāo)策略，創(chuàng)建了一個(gè)獨(dú)特的品牌形象。

Andrew Hsu 曾透露，截止 2024 年 12 月，Speak 應(yīng)用的下載量已超過(guò) 1000 萬(wàn)次， 每位用戶(hù)每天的使用時(shí)間約為 10-20 分鐘。

目前，Speak 正在將韓國(guó)市場(chǎng)的成功經(jīng)驗(yàn)逐漸帶到其他市場(chǎng)進(jìn)行驗(yàn)證。2022 年底，Speak 開(kāi)始開(kāi)拓日本市場(chǎng)；2024 年下半年，Speak 在中國(guó)臺(tái)灣市場(chǎng)的收入開(kāi)始快速增長(zhǎng)。

不過(guò)，Speak 目前主要活躍在不以英語(yǔ)為母語(yǔ)的市場(chǎng)。相比之下，歐美等以英語(yǔ)為母語(yǔ)的市場(chǎng)則由 Duolingo、Babbel 等老牌語(yǔ)言學(xué)習(xí)軟件占領(lǐng)；微軟、谷歌等大廠也對(duì)語(yǔ)言學(xué)習(xí)應(yīng)用虎視眈眈，真正激烈的競(jìng)爭(zhēng)風(fēng)暴或許還沒(méi)有到來(lái)。

來(lái)源：創(chuàng)業(yè)邦