上瘾的游戏化学习体会， 全球用户超越1个亿，获Google的C轮4500万美元融资 ......Duolingo（多邦邻）无疑是言语学习范畴最明星的商品之一。此次，36氪独家专访了它背面的一名“造星人”—— Duolingo 的工程师秦龙博士——让他为咱们讲讲多邦邻暗地那些事儿。
秦龙在卡内基梅隆大学取得博士学位，他于2014年秋参加 Duolingo，并担任平台上的多语种语音辨认技能，是 Duolingo 第一位我国工程师。
36氪：语音辨认技能对于的是用户的白话学习。和与真人对话相比，言语学习者在用电子设备学习白话时优势和下风首要是什么呢？
秦龙：也许呈现的障碍是，机器判别学习者读音过错时，用户会有挫折感，这种一清二楚的正误反应通常是不会呈现在人与人的对话当中的；再加上机器辨认不能确保100%精确，有的学习者会发向咱们诉苦：为何我明明读对了，但仍是被辨认为过错？
除此之外，当前语音辨认技能在言语学习软件中的运用，还遍及停留在协助用户改进发音的层面上，并不能被自在创立场景进行人机对话，而后者对言语学习本来是至关重要的。
优势的话，一是学习者心理压力小。也许很多人小时分都经历过，在街上碰到一个老外，父母就在一旁戳你：“快去和老外对个话”。本来对很多人来说，开口说外语的门心理障碍本来是很大的，而通过机器学白话就彻底没有这种压力。其次是能够运用碎片化时刻，学习更高效，而和真人对话的时刻本钱和门槛都比较高。
秦龙： 首要是两种方法，第一种的意图是协助用户改进发音：软件给出一个句子，用户读句子，机器会通过语音辨认技能来判别你发音对不对，给出一个评分。
第二种方法，当前的言语学习软件，包含 Duolingo 在内，做得都还不够好：抱负状况下，在创立的场景下，学习者和电子设备应当能够完成自在对话，语音辨认技能不光能够辨认发音是不是规范，还能进行语义理解，判别学习者的词汇句法是不是精确，这和Siri的技能有些类似，但具体如安在 Duolingo 中完成，咱们还在研讨中。
当前 Duolingo 页面端现已能够做到的是：在创立的场景中，引导用户先用文字翻译句子，再把翻译后的外语读出来，机器会别离就文字翻译和白话发音两方面的水准进行打分。
36氪：Duolingo 当前供给超越40种言语课程，乃至包含克林贡语。语音辨认技能支撑其中多少种？
秦龙：当前已支撑的言语有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），已在开发中行将上线的还有乌克兰语和挪威语。Duolingo 在英语语音辨认中投入最多，它的辨认成果和打分也最精确，由于英语是当前 Duolingo 上学习人数最多的言语，占到悉数流量的30-40%。
36氪：团队当前有多少人？每种言语的语音辨认需不需要开发者自身懂这种言语？
秦龙：Duolingo 语音辨认团队当前由我一个人担任。我自己只会中文和英文，所以刚开始接触的时分也有些忐忑。最终衡量语音辨认作用的是客观评测，所以开发者本来并不必须掌握言语自身，但对每种言语的是深化理解对开发是有很大协助的，在细节的处理上会更精确一些。
36氪：能不能给非技能布景的读者解释一下，多语种语音辨认的难度终究在哪里？Duolingo 每开发一种新言语的本钱怎样？
秦龙：难度首要来自三方面。一是数据十分杂乱：来自页面端、平板、手机端的语音质量都不一样；男女老少，乃至不一样文化程度的人有不一样的言语习气；朗诵和天然对话的语音数据不一样；室内录音和室外录音也数据也不一样......要将这些状况悉数思考进入，做出精确的辨认成果，需要相当大的开发量。
二是不一样言语有不一样元素，比方中文的特色是有平仄腔调，德语的特色是能够把不一样词汇组在一起生成一个新词，因而词汇量反常的大，开发时需要依据每种言语的特色做相应调整。
三是多语种数据库自身有很大的保护本钱。
当前世界上辨认言语最多的技能应当来自Google，覆盖了40多种言语，Siri 和微软也都能辨认20多种。
就 Duolingo 来说，开发英语辨认这部分用了2-3个月，别的一些小语种（西、德、法、意）在数据到位的状况下，用2-3个星期就完成了。
36氪：Duolingo 作为一家创业型公司，全部公司担任语音辨认技能的也只要你一个人，没有科技巨子们那么多的资本，又要开发多种言语，怎样应对这种压力呢？
秦龙：咱们的诀窍首要是：运用全部能够运用的免费资本。比方，咱们会运用揭露的Google API 在Chrome 版别的 Duolingo 中运用，省去一部分开发资本；咱们还会运用 Google Voice Search 的语音辨认，不过由于咱们辨认需要服务于言语学习的意图，而不是查找意图，所以运用时会在后端做一些调整；别的，咱们还会抓取一些开源词典的发音，并依据 Duolingo 的需要做一些剪裁和修正。
注：原文是对话粗心，为便于阅览，句子通过修正和整理