为什么一个语言学习软件，能被 OpenAI 连投四轮？

2018 年 1 月，Speak 认真在韩国上线应用商店。上线本日共 3 东说念主付费，收入 18 好意思元。这是 Speak 建立 3 年来第一笔用户付费收入。

Speak 是两位天才少年共同打造的一款 AI 语言学习居品。

一位名叫 Andrew Hsu，生于中国台湾，在好意思国长大，从小等于华盛顿各大媒体笔下的天之宠儿。Hsu 5 岁能解代数题，7 岁因太忽闪而辍学启动家庭教育（Home-schooling），用 1 年时辰学完毕从小学到初中的课程；12 岁考入华盛顿大学，16 岁从华盛顿大学毕业时手捏三个理学学士学位；19 岁成为斯坦福大学神经科学姿首四年齿博士候选东说念主后辍学创业，成为 Peter Thiel " 20 Under 20 "策动的一期学员，自后成为首位拿到 Google Venture 等著名 VC 投资的创业者。

另一位名叫 Connor Zwick，从 13 岁启动编程，曾被澳大利亚科技网 Nettuts.com 聘任担任网站作家；高二时开发一款语言学习应用 Flashcard+，用户最高达 500 万，最终被上市教育企业 Chegg 收购。之后，Connor 入学哈佛，但只上了一年课便辍学创业，成为" 20 Under 20 "策动二期学员并结子 Hsu。

2016 年，二东说念主共同创办语言学习应用 Speak，试图借助最新的 AI 技艺，打造一个" AI tutor "，让每位语言学习者享受到个性化教育，真是学会"说"英语。

为收场这个方针，建立以来，Speak 团队用了几年时辰反复覆按 PMF。而上线首日的 18 好意思元让团队第一次看到但愿，也为今天的 10 亿好意思元估值写下序章。

"小天才组合"

2011 年，Peter Thiel 发起 20 Under 20 策动，荧惑有想法的学生辍学或暂时休学创业。

同庚，年仅 19 岁的天才少年 Andrew Hsu 从斯坦福辍学，成为 20 Under 20 的一期学员，并创办 Airy Labs。Airy Lab 但愿针对儿童开发出能被家长们平常招供的，具有教育道理的酬酢游戏，真是收场"寓学于乐"。

那时，Hsu 天才少年的光环，Peter Thiel 的背书，以及超前的教育理念让 Airy Labs 成为 VC 眼中的一颗新星。Airy Labs 建立不久便赢得 150 万好意思元种子轮融资，投资方大佬云集，包括 Google Ventures、Foundation Capital 和 Playdom 首创东说念主 Rick Thompson。拿到融资后，Airy Labs 的团队赶紧推论至 20 东说念主，Hsu 也成为媒体口中的创业明星。

然而，一时表象无两的 Airy Labs 仅存活了不到 1 年。

Hsu 的资质并未在策动公司中体现，他的父母成为公司真是的掌舵东说念主，并慢慢将公司变成了一个"家庭作坊"。

Hsu 的父母近乎像管孩子同样束缚 Airy Labs，他们制定的一系列束缚轨制在职工眼中都很"灾祸"。举例，上昼 9 点到下昼 6 点弗成在办公室高声讲话，必须通过电子邮件或通信软件交流；部分红员需要在责任扫尾后向 Andrew Hsu 或其父母报告责任，往往比及晚上 9、10 点甚而更晚才放工，况兼每周正常要责任 6~7 天。

"束缚层与父母不同，他们详情不爱咱们。他们条款的责任时辰在他们方位的国度可能是正常的，但在这里是不可接受的。我认为他们莫得把柄文化各异进行革新。"一位下野职工曾诉苦。

除束缚问题外，Airy Labs 的下野职工曾深入，公司并莫得清亮的愿景和策略布局。公司网站上形容的愿景是"为儿童打造下一代酬酢学习游戏"，但公司却没几个全职的游戏想象师。在这种情况下，公司却一连发布 7 款免费居品，几个月后才引入收费机制，导致公司一直烧钱，却莫得收入。

濒临如斯场合，Hsu 一度寄但愿于 A 轮融资能提供更多资金看护运转。但最终，职工们莫得比及 A 轮融资，而是减薪裁人、公司倒闭。

创业失败的训诲惨痛，但 Andrew Hsu 改换教育的柔软却涓滴不减。恰是此次创业经历，他知道了 20 Under 20 策动的二期学员 Connor Zwick。

Connor Zwick 从 13 岁启动编程，曾被澳大利亚科技网 Nettuts.com 聘任担任网站作家。高二时，Connor Zwick 一度对时下的教育体制感到失望，但愿用立异技艺收场真是的"因材施教"。于是，Zwick 开发了语言学习应用 Flashcards Plus，用户不错把单词和短语的语音制作成电子学习卡片反复教诲。

"我那时的想法是，要是能将这些学问点汇总成某种学问图谱，就能生成任何内容、教训任何学问，并创造出一个无所不知的导师。" Connor 近期回忆说念。但彰着，那时的技艺水平难以闲隙这个愿景。最终，Flashcards Plus 民众用户量达到 500 万，2013 年被教育科技上市公司 Chegg 收购。

之后，Connor 考入哈佛，在哈佛大学学习一年后，便拿下 10 万好意思元的泰尔奖学金和 Y Combinator 提供的 15 万好意思元投资辍学创业，开发了 Coco Controller，曾和 30 家游戏企业造就筹商。

直到 2016 年，Andrew Hsu 和 Connor Zwick 都看到了在 AI 教育领域再次启航的契机。

AlphaGo 降服李世石后，深度学习范式成为 AI 界的新热门，大宗东说念主工智能论文问世，Andrew Hsu 和 Connor Zwick 在硅谷亲目击证了一切的发生。

"那时的模子愈加具体，比如语音模子、图像模子。咱们看到这些模子行将与东说念主类同样好，甚而比东说念主类更好。" Connor 曾对媒体默示，"那时只是以为这东西很酷，想用 AI 来打造一些真义真义的东西。"

他们用一年时辰研究 AI，甚而到斯坦福蹭课学 AI。时代，他们尝试开发了多样不同的算法，还尝试过不少想象机视觉应用，举例用 AI 定制服装，或应用于医学影像测量东说念主体目的，以及用深度学习推测天气。

但二东说念主发现语音识别是效劳最惊艳的。那时，他们在 YouTube 上立地收罗了一些语音数据，构建了一个语音识别系统，不仅能联合用户讲话的内容，还能联合不同口音。

用立地数据西席的模子尚且有这样好的效劳，要是质料更高的数据呢？于是，二东说念主提倡一个技艺假定：是否能构建一种真是可用的居品，从中收罗实足的用户数据，以供算法使用，改善建模，优化居品体验，进而获取更多的数据，造成良性的数据轮回？

在这个假定之上，Speak 建立了。

"先有鸡"如故"先有蛋"？

或然是有了此前创业失败的经历，Speak 从创办之初就制定了清亮的发展旅途。

Andrew Hsu 和 Connor Zwick 二东说念主一致认为，除非学习者移居到英语母语地区，不然好像率只可学到一手"哑巴英语"，无法正常交流。因此，Speak 的愿景就是为每一位用户打造一位个性化的" AI tutor "，让想学英语的东说念主能真是会说会用。

方针很清亮，问题在于何如收场。

Speak 建立初期，团队碰到了经典的"先有鸡"如故"先有蛋"的问题——要造就强劲的 AI 模子，就需要大宗多元、高质料的语音数据喂给模子。但要赢得数据，要么需要全程手动征集，成本不菲；要么就需要创建一款不错收罗该类数据的居品，但好的居品体验又造就在强劲的模子能力之上。

衡量事后，Speak 并未平直自研模子，而是在那时的技艺水平下，先推出一款用户可接受的居品，跑通 PMF，用户慢慢增长后，Speak 再把柄用户数据微调我方的模子，造成数据飞轮。

启航点，Speak 面向民众推出居品作念用户测试，每个阛阓都有 AI 对话功能，用户不错选拔一个类别，选拔可爱的话题和 AI 简约对话。但覆按发现效劳并不好，用户基本会在居品发布 30 天后流失。

这个结局或然并不料外。不同地区用户的学习需求、民风文化配景不同，很难一概而论，况兼语言学习阛阓本就竞争热烈，仍是有 Duolingo、Babbel 等巨头占领阛阓，很难正面"硬刚"。此外，那时的语音识别技艺也不及以识别民众各地的语音各异。

在 Andrew Hsu 和 Connor Zwick 烦懑之际，投资东说念主建议先把公司鸿沟作念起来，但二东说念主很警惕这种作念法。直到 2023 年 6 月，建立七年的 Speak 也唯有 30 多名职工。

最终，他们决定先从单一阛阓攻破，以便聚合元气心灵用有限的资源快速考证和迭代居品。

2019 年，Speak 认真进犯韩国阛阓。此前，Speak 进行了一番严格的阛阓调研。他们租了一个斗室间作念小鸿沟的用户测试，给每一位参与测试的用户发一部测试手机，并全程记载用户的使用过程。

他们发现，用户真是使用居品的时辰大多在通勤的时候。收拢通勤时段培养升引户的学习民风后，用户在其他时辰也会天然而然用 Speak 居品教诲英语白话。

意志到这少量后，Speak 发现居品的使用量、升沉率、留存率都大幅擢升，Speak 才算初步跑通了 PMF。但在 Hsu 看来，" PMF 不单是是单点的事物，而是一个蚁集的过程。你改造 PMF 的进度越大，你的增长速率正常就越快"。

之后，Speak 持续更新址品功能和课程内容，并持续优化居品的交互想象。"任何体式的用具提醒、用户教育或功能剖判，都意味着咱们的想象还不够完善。" Connor 认为，应把尽可能减少用户教育当作一个方针。而 Speak 将这少量作念到了极致。

许多语言学习 App 的内容会给与算法保举机制，新用户插足应用后，正常会作念一份肤浅的问卷或用户沟通经由，选拔我方的学习动机、想学的内容等，算法会把柄用户反馈给其首页保举大宗信息。但在 Connor 看来，这些信息并非真是灵验。"往日咱们想要赢得有价值的信息都要我方主动去搜索，而那些被推送过来的信息有 99% 都毫无价值，比如垃圾邮件和推送见知。"

因此，Speak 借助 AI 能力打造了一个全新的界面解锁面目。

在居品首页，Speak 莫得给任何新用户沟通经由，唯有一个肤浅的问题："你为什么想学英语？"然后用户就可按下"启动"按钮讲话。每个用户都会用不同的热沈、语音语调恢复不同的谜底。Speak 会把柄这些信息为用户构建个性化体验。

不外开云「中国」Kaiyun官网登录入口，Connor 曾默示，诚然语音到语音模子效劳越来越好，但"语音并不老是最好的东说念主机交互面目，许多时候，打字和点击图标是更快捷的面目"。因此，Speak 试图探索一种"羼杂界面"，让用户不错在随时都解放选拔讲话如故打字。

同期，为了更好地联合用户，Speak 在后台运行时，举例在夜间，模子会诳骗闲置 GPU 资源分析用户数据，从而剖判用户感兴致的课程，并在第二天的学习中给用户推送新的课程。在 Connor 看来，"念念维模子"真是的价值正在于，即使用户莫得使用居品，模子也在后台持续处理着用户数据，分析用户需求。这种步地也决定，Speak 的居品迭代依赖于模子有更强的语音识别、联合和生成能力。

2022 年，Speak 碰到 OpenAI，PMF 又有了质的飞跃。

绑定 OpenAI，自建 AI 团队

从 2022 年起，OpenAI 蚁集四次投资 Speak。

OpenAI Startup Fund 建立于 2021 年 5 月，已投资数个 AI 应用姿首，包括 Descript、Anysphere、Diagram、Harvey AI、Kick、Mem 和 Speak 等，涉猎 AI 音视频剪辑、AI 编码用具、AI 居品想象、AI 法律照应人、管帐软件等多个领域的落地应用。其中，Speak 是独逐个个教育类软件。

对于投资的创业姿首，OpenAI 正常不仅给钱，还给技艺。Speak 也不例外。

2023 年 3 月，Speak 先后官宣了和 OpenAI 的三项勾搭：

3 月 1 日，通成功为 OpenAI 全新" Whisper "模子 API 的首发伙同伴伴。Whisper 有更强的语音识别能力，在处理带口音的语音以及无缝处理多语言语音（代码切换）方面的进展更好。

3 月 14 日，文告其当作早期访谒者，将 GPT-4 接入其" AI tutor "中，能让 AI tutor 收场高度个性化和险阻文关联的反馈。同期，GPT-4 能够生成更高准确度和连贯性的文本，让用户和 AI tutor 进行更当然、更有针对性的互动。

3 月 23 日，Speak 文告与 OpenAI 勾搭启动 ChatGPT 插件的 Alpha 版块，用户可从 ChatGPT 的界面平直访谒 Speak。

但 Speak 并未把一王人但愿寄托在 OpenAI 上。在和 OpenAI 深度绑定的同期，Speak 也在 2023 年入部下手搭建了我方的 AI 团队，启动诳骗往日几年从居品上蕴蓄的数据集微调我方的语音模子。

2024 年，Speak 在官网博客中文告升级了中枢语音识别系统。

系统升级前，Speak 永诀在 iOS 和 Android 系统上运营着不同的 ASR（自动语音识别）系统，还会用自特殊据西席端侧小模子适配特定型号的移动开荒，也会给与第三方语音识别干事。

但旷日历久，Speak 便发现了一些弱点。举例，为了维持比较老的开荒，Speak 使用了参数鸿沟更小、想象能力较低的模子，对语音识别效劳较差；第三方语音识别干事时常也难以识别口音较重的语音，会影响用户体验；Speak 必须爱戴 iOS 和 Android 两套语音系统，导致"事倍功半"。

而系统升级后，Speak 基于里面数据集微调了 Conformer 系列的语音识别模子，该数据集包含了用户数千小时带有油腻口音的英语语音音频。

此外，Connor 认为："模子评估相等穷苦且浩瀚。对于咱们的机器学习团队来说，最浩瀚的可能是评估，至极是对于大型语言模子往往推行的怒放式任务，要是你能够索要出好意思满的评估规范，你基本上就索要出了你正在优化的方针问题。"因此，Speak 把柄用户数据，构建了自界说测试集，主要评估语音模子把柄音频转录单词的单词失实率（WER）。评估发现，微调事后的模子单词失实率比通用模子缩小 60% 以上。

里面 Speak 测试集上的单词失实率（WER），图片开端：Speak 官网

咫尺，Speak 微调的 Conformer-CTC 模子仅用于英语语音识别，但 Speak 深入，该模子畴昔也将彭胀到西班牙语等其他语言中。此外，Speak 还在开发超出单词除外的其他语音和语言模态（举例，用于发音反馈的音素）。

在用自特殊据微调模子的同期，Speak 依然捏紧每一次与 OpenAI 勾搭的契机。因为在 Connor 看来，"语言学习和及时对话教诲，是语音到语音技艺的最好用例，因此咱们收拢契机与 OpenAI 勾搭，并将这项技艺深度镶嵌咱们的中枢体验中。"博客写说念。

2024 年 10 月 1 日，Speak 又与 OpenAI 勾搭测试了 GPT-4o 的及时 API，推出 Live Roleplays，使用户能够在多样变装演出情境中进行千里浸式、传神的白话教诲。借助 GPT-4o 上的及时 API，Speak 的 AI tutor 不错像东说念主类教室同样快速或更快地反应，并能够联统一提供对于语音各方面的反馈，而不单是是纯文本转录，如语调、发音、韵律等。

不外，Speak 在博客中写说念，语音到语音模子的指示奴才能力仍然不如文本模子，咫尺还不擅长更精细的语言学习特定任务，如发音率领和反馈。

语言学习界最懂 AI 的公司

2024 年 12 月，Speak 文告完成 7800 万好意思金 C 轮融资，由 Accel 领投，OpenAI Startup Fund、Khosla Ventures 和 Y Combinator 等跟投。本轮投后估值 10 亿好意思元，Speak 也被看作大模子波浪中第一家真是以 C 端应用驻足的独角兽。

除赢得本钱嗜好外，Speak 的居品进展也得到阛阓招供。据"投资实习所"的信息，扬弃 2024 年 12 月，Speak 的 ARR 仍是接近 5000 万好意思元，年增长率达到 100%。

Speak 主要的买卖收入都来自 C 端，莫得免费版块，只为用户提供七天免费试用，之后就按月或按年收费，收费规范分为 2 档：

Premium 策动：$99.99/ 年，每月 2000 个 AI tutor 积分；

Premium plus 策动：$234.99/ 年，每月 10000 个 AI tutor 积分。

（AI tutor 积分对应的是用户和 AI Tutor 的对话字数，每和 AI 对话一个词即 1 积分。）

在 Speak 的本体测试中，2000 家教积分学习 5 天就能糟塌完，这也意味着对于有固定学习民风的用户而言，Premium Plus 决议更合算。

2024 年，Speak 也启动拓展 to B 业务。Speak for Business 不错教诲特定的商务对话，举例与供应商和客户的专科辩论等。咫尺，Speak for Business 领有跳跃 200 个客户，职工给与率为 85%。

Speak 为何能在一众语言学习阛阓热烈的竞争中脱颖而出？谜底或然就是"聚焦"二字。

Speak 自创立之初的方针就很聚焦，围绕"哑巴英语"这个核肉痛点打造居品体验，并一直宝石居品导向的念念路，持续迭代 PMF。最近的访谈中，Connor 默示 Speak 一直相等注重课程内容，咫尺里面仍会对 AI tutor 的课程内容进行 A/B test。

同期，两位首创东说念主很了了，其居品体验的迭代很猛进度上依赖于底层 AI 模子的能力。因此，在 OpenAI 强势爆发后，Speak 主动拥抱大模子。找到 OpenAI 这个强势的伙同伴伴后，Speak 也并未在 AI 的火爆中迷失标的，盲目高估模子的能力，而是组建我方的 AI 团队，诳骗多年蕴蓄的用户数据微调语音模子，升级语音识别系统，连续迭代居品功能。

套用近两年很娴雅的看法，Speak 是一个愈加" AI 原生"的居品。比较其他语言学习应用，Speak 更像一家技艺公司。按对话积分糟塌收费的步地，也和大模子按 token 糟塌量计费的步地很相似，甚而营销案牍也相应革新为访佛" 20 分钟内说 100 句话"的标语。

同期，为了在单一阛阓打造最好居品体验，Speak 也十分注重居品想象和营销技巧的腹地化。在认真插足韩国阛阓前，Speak 作念了充分的阛阓调研，并在后期搭建了一个宇宙级的腹地营销团队，把柄韩国阛阓的用户特色定制相应的营销策略，创建了一个独到的品牌形象。

Andrew Hsu 曾深入，扬弃 2024 年 12 月，Speak 应用的下载量已跳跃 1000 万次， 每位用户每天的使用时辰约为 10-20 分钟。

咫尺，Speak 正在将韩国阛阓的收效经历慢慢带到其他阛阓进行考证。2022 年底，Speak 启动开拓日本阛阓；2024 年下半年，Speak 在中国台湾阛阓的收入启动快速增长。

不外，Speak 咫尺主要活跃在不以英语为母语的阛阓。比较之下，泰西等以英语为母语的阛阓则由 Duolingo、Babbel 等老牌语言学习软件占领；微软、谷歌等大厂也对语言学习应用虎视眈眈，真是热烈的竞争风暴或然还莫得到来。