为什么一个语言学习软件，能被 OpenAI 连投四轮？

2018 年 1 月，Speak 正经在韩国上线应用商店。上线今日共 3 东说念主付费，收入 18 好意思元。这是 Speak 成立 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，从小就是华盛顿各大媒体笔下的天之宠儿。Hsu 5 岁能解代数题，7 岁因太灵巧而辍学开动家庭扶植（Home-schooling），用 1 年时刻学收场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持三个理学学士学位；19 岁成为斯坦福大学神经科学技俩四年龄博士候选东说念主后辍学创业，成为 Peter Thiel " 20 Under 20 "有筹划的一期学员，自后成为首位拿到 Google Venture 等着名 VC 投资的创业者。

另一位名叫 Connor Zwick，从 13 岁开动编程，曾被澳大利亚科技网 Nettuts.com 礼聘担任网站作家；高二时开发一款语言学习应用 Flashcard+，用户最高达 500 万，最终被上市扶植企业 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 "有筹划二期学员并结子 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 时期，打造一个" AI tutor "，让每位语言学习者享受到个性化扶植，确切学会"说"英语。

为兑现这个主见，成立以来，Speak 团队用了几年时刻反复锤真金不怕火 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 有筹划，饱读吹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淡招供的，具有扶植有趣的外来往戏，确切兑现"寓学于乐"。

其时，Hsu 天才少年的光环，Peter Thiel 的背书，以及超前的扶植理念让 Airy Labs 成为 VC 眼中的一颗新星。Airy Labs 成立不久便赢得 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 的团队速即本质至 20 东说念主，Hsu 也成为媒体口中的创业明星。

关联词，一时形势无两的 Airy Labs 仅存活了不到 1 年。

Hsu 的禀赋并未在筹划公司中体现，他的父母成为公司确切的掌舵东说念主，并逐渐将公司变成了一个"家庭作坊"。

Hsu 的父母近乎像管孩子相同惩办 Airy Labs，他们制定的一系列惩办轨制在职工眼中齐很"厄运"。举例，上昼 9 点到下昼 6 点不可在办公室高声话语，必须通过电子邮件或通信软件换取；部分红员需要在使命扫尾后向 Andrew Hsu 或其父母陈诉使命，频频比及晚上 9、10 点以致更晚才放工，何况每周正常要使命 6~7 天。

"惩办层与父母不同，他们确定不爱咱们。他们条目的使命时刻在他们方位的国度可能是正常的，但在这里是不可收受的。我认为他们莫得左证文化相反进行诊疗。"一位去职职工曾衔恨。

除惩办问题外，Airy Labs 的去职职工曾涌现，公司并莫得透露的愿景和策略布局。公司网站上模样的愿景是"为儿童打造下一代外交学习游戏"，但公司却没几个全职的游戏遐想师。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。

靠近如斯形势，Hsu 一度寄但愿于 A 轮融资能提供更多资金督察运转。但最终，职工们莫得比及 A 轮融资，而是减薪裁人、公司倒闭。

创业失败的劝诫惨痛，但 Andrew Hsu 转换扶植的温雅却涓滴不减。恰是此次创业经历，他贯通了 20 Under 20 有筹划的二期学员 Connor Zwick。

Connor Zwick 从 13 岁开动编程，曾被澳大利亚科技网 Nettuts.com 礼聘担任网站作家。高二时，Connor Zwick 一度对时下的扶植体制感到失望，但愿用翻新时期兑现确切的"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进修。

"我其时的想法是，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、讲授任何学问，并创造出一个无所不知的导师。" Connor 近期回忆说念。但表示，其时的时期水平难以知足这个愿景。最终，Flashcards Plus 各人用户量达到 500 万，2013 年被扶植科技上市公司 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 家游戏企业配置筹商。

直到 2016 年，Andrew Hsu 和 Connor Zwick 齐看到了在 AI 扶植范畴再次登程的契机。

AlphaGo 投降李世石后，深度学习范式成为 AI 界的新热门，大量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相同好，以致比东说念主类更好。" Connor 曾对媒体示意，"其时只是以为这东西很酷，想用 AI 来打造一些真谛的东西。"

他们用一年时刻研究 AI，以致到斯坦福蹭课学 AI。时期，他们尝试开发了多样不同的算法，还尝试过不少筹算机视觉应用，举例用 AI 定制服装，或应用于医学影像测量东说念主体方针，以及用深度学习斟酌天气。

但二东说念主发现语音识别是遵守最惊艳的。其时，他们在 YouTube 上立时聚积了一些语音数据，构建了一个语音识别系统，不仅能领略用户话语的内容，还能领略不同口音。

用立时数据西宾的模子尚且有这样好的遵守，要是质料更高的数据呢？于是，二东说念主提倡一个时期假定：是否能构建一种确切可用的居品，从中聚积弥漫的用户数据，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，变成良性的数据轮回？

在这个假定之上，Speak 成立了。

"先有鸡"照旧"先有蛋"？

有时是有了此前创业失败的资格，Speak 从创办之初就制定了透露的发展旅途。

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，不然大意率只可学到一手"哑巴英语"，无法正常换取。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确切会说会用。

主见很透露，问题在于何如兑现。

Speak 成立初期，团队际遇了经典的"先有鸡"照旧"先有蛋"的问题——要配置雄壮的 AI 模子，就需要大量多元、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，成本崇高；要么就需要创建一款不错聚积该类数据的居品，但好的居品体验又配置在雄壮的模子才智之上。

量度事后，Speak 并未径直自研模子，而是在其时的时期水平下，先推出一款用户可收受的居品，跑通 PMF，用户逐渐增长后，Speak 再左证用户数据微调我方的模子，变成数据飞轮。

起初，Speak 面向各人推出居品作念用户测试，每个阛阓齐有 AI 对话功能，用户不错采纳一个类别，采纳可爱的话题和 AI 简陋对话。但锤真金不怕火发现遵守并不好，用户基本会在居品发布 30 天后流失。

这个结局有时并不料外。不同地区用户的学习需求、民俗文化布景不同，很难一概而论，何况语言学习阛阓本就竞争犀利，依然有 Duolingo、Babbel 等巨头占领阛阓，很难正面"硬刚"。此外，其时的语音识别时期也不及以识别各人各地的语音相反。

在 Andrew Hsu 和 Connor Zwick 喧阗之际，投资东说念主建议先把公司限制作念起来，但二东说念主很警惕这种作念法。直到 2023 年 6 月，成立七年的 Speak 也只须 30 多名职工。

最终，他们决定先从单一阛阓攻破，以便蚁集元气心灵用有限的资源快速考据和迭代居品。

2019 年，Speak 正经进犯韩国阛阓。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限制的用户测试，给每一位参与测试的用户发一部测试手机，并全程纪托付户的使用过程。

他们发现，用户确切使用居品的时刻大多在通勤的时候。收拢通勤时段培养升引户的学习民俗后，用户在其他时刻也会自关联词然用 Speak 居品进修英语白话。

贯通到这极少后，Speak 发现居品的使用量、转机率、留存率齐大幅擢升，Speak 才算初步跑通了 PMF。但在 Hsu 看来，" PMF 不单是是单点的事物，而是一个聚合的过程。你纠正 PMF 的进度越大，你的增长速率正常就越快"。

之后，Speak 不停更新址品功能和课程内容，并不停优化居品的交互遐想。"任何式样的器具教唆、用户扶植或功能证据，齐意味着咱们的遐想还不够完善。" Connor 认为，应把尽可能减少用户扶植看成一个主见。而 Speak 将这极少作念到了极致。

许多语言学习 App 的内容会采纳算法保举机制，新用户参加应用后，正常会作念一份浮浅的问卷或用户素质经由，采纳我方的学习动机、想学的内容等，算法会左证用户反馈给其首页保举大量信息。但在 Connor 看来，这些信息并非确切有效。"已往咱们想要赢得有价值的信息齐要我方主动去搜索，而那些被推送过来的信息有 99% 齐毫无价值，比如垃圾邮件和推送见告。"

因此，Speak 借助 AI 才智打造了一个全新的界面解锁形态。

在居品首页，Speak 莫得给任何新用户素质经由，只须一个浮浅的问题："你为什么想学英语？"然后用户就可按下"开动"按钮话语。每个用户齐会用不同的情感、语音语调薪金不同的谜底。Speak 会左证这些信息为用户构建个性化体验。

不外，Connor 曾示意，天然语音到语音模子遵守越来越好，但"语音并不老是最好的东说念主机交互形态，许多时候，打字和点击图标是更快捷的形态"。因此，Speak 试图探索一种"羼杂界面"，让用户不错在随时齐解放采纳话语照旧打字。

同期，为了更好地领略用户，Speak 在后台运行时，举例在夜间，模子会控制闲置 GPU 资源分析用户数据，从而剖析用户感兴致的课程，并在第二天的学习中给用户推送新的课程。在 Connor 看来，"想维模子"确切的价值正在于，即使用户莫得使用居品，模子也在后台不停处理着用户数据，分析用户需求。这种模式也决定，Speak 的居品迭代依赖于模子有更强的语音识别、领略和生成才智。

2022 年，Speak 际遇 OpenAI，PMF 又有了质的飞跃。

绑定 OpenAI，自建 AI 团队

从 2022 年起，OpenAI 聚合四次投资 Speak。

OpenAI Startup Fund 成立于 2021 年 5 月，已投资数个 AI 应用技俩，包括 Descript、Anysphere、Diagram、Harvey AI、Kick、Mem 和 Speak 等，涉猎 AI 音视频裁剪、AI 编码器具、AI 居品遐想、AI 法律参谋人、司帐软件等多个范畴的落地应用。其中，Speak 是唯独一个扶植类软件。

对于投资的创业技俩，OpenAI 正常不仅给钱，还给时期。Speak 也不例外。

2023 年 3 月，Speak 先后官宣了和 OpenAI 的三项和洽：

3 月 1 日，晓喻成为 OpenAI 全新" Whisper "模子 API 的首发和洽伙伴。Whisper 有更强的语音识别才智，在处理带口音的语音以及无缝处理多语言语音（代码切换）方面的证据更好。

3 月 14 日，晓喻其看成早期探问者，将 GPT-4 接入其" AI tutor "中，能让 AI tutor 兑现高度个性化和盘曲文关联的反馈。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 进行更天然、更有针对性的互动。

3 月 23 日，Speak 晓喻与 OpenAI 和洽启动 ChatGPT 插件的 Alpha 版块，用户可从 ChatGPT 的界面径直探问 Speak。

但 Speak 并未把沿路但愿委托在 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，开动控制已往几年从居品上积贮的数据集微调我方的语音模子。

2024 年，Speak 在官网博客中晓喻升级了中枢语音识别系统。

系统升级前，Speak 区别在 iOS 和 Android 系统上运营着不同的 ASR（自动语音识别）系统，还会用自特地据西宾端侧小模子适配特定型号的出动开辟，也会采纳第三方语音识别事业。

但经年累月，Speak 便发现了一些瑕疵。举例，为了接济比较老的开辟，Speak 使用了参数限制更小、筹算才智较低的模子，对语音识别遵守较差；第三方语音识别事业时常也难以识别口音较重的语音，会影响用户体验；Speak 必须重视 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："模子评估特别发愤且迫切。对于咱们的机器学习团队来说，最迫切的可能是评估，非常是对于大型语言模子频频实施的盛开式任务，要是你能够索求出圆善的评估圭臬，你基本上就索求出了你正在优化的主见问题。"因此，Speak 左证用户数据，构建了自界说测试集，主要评估语音模子左证音频转录单词的单词造作率（WER）。评估发现，微调事后的模子单词造作率比通用模子缩短 60% 以上。

里面 Speak 测试集上的单词造作率（WER），图片起首：Speak 官网

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

在用自特地据微调模子的同期，Speak 依然攥紧每一次与 OpenAI 和洽的契机。因为在 Connor 看来，"语言学习和及时对话进修，是语音到语音时期的最好用例，因此咱们收拢契机与 OpenAI 和洽，并将这项时期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 和洽测试了 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、传神的白话进修。借助 GPT-4o 上的及时 API，Speak 的 AI tutor 不错像东说念主类教室相同快速或更快地反馈，并能够领略并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跟从才智仍然不如文本模子，刻下还不擅长更空洞的语言学习特定任务，如发音领导和反馈。

语言学习界最懂 AI 的公司

2024 年 12 月，Speak 晓喻完成 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 也被看作大模子波澜中第一家确切以 C 端应用立足的独角兽。

除赢得本钱疼爱外，Speak 的居品证据也得到阛阓招供。据"投资实习所"的信息，为止 2024 年 12 月，Speak 的 ARR 依然接近 5000 万好意思元，年增长率达到 100%。

Speak 主要的营业收入齐来自 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，收费圭臬分为 2 档：

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

Premium plus 有筹划：$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 的本色测试中，2000 家教积分学习 5 天就能消费完，这也意味着对于有固定学习民俗的用户而言，Premium Plus 决策更合算。

2024 年，Speak 也开动拓展 to B 业务。Speak for Business 不错进修特定的商务对话，举例与供应商和客户的专科研究等。刻下，Speak for Business 领有突出 200 个客户，职工采纳率为 85%。

Speak 为何能在一众语言学习阛阓犀利的竞争中脱颖而出？谜底有时就是"聚焦"二字。

Speak 自创立之初的主见就很聚焦，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想路，无间迭代 PMF。最近的访谈中，Connor 示意 Speak 一直特别夺目课程内容，刻下里面仍会对 AI tutor 的课程内容进行 A/B test。

同期，两位首创东说念主很透露，其居品体验的迭代很猛进度上依赖于底层 AI 模子的才智。因此，在 OpenAI 强势爆发后，Speak 主动拥抱大模子。找到 OpenAI 这个强势的和洽伙伴后，Speak 也并未在 AI 的火爆中迷失标的，盲目高估模子的才智，而是组建我方的 AI 团队，控制多年积贮的用户数据微调语音模子，升级语音识别系统，陆续迭代居品功能。

套用近两年很文静的观念，Speak 是一个愈加" AI 原生"的居品。比拟其他语言学习应用，Speak 更像一家时期公司。按对话积分消费收费的模式，也和大模子按 token 消费量计费的模式很相似，以致营销案牍也相应诊疗为雷同" 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 也十分夺目居品遐想和营销技能的腹地化。在正经参加韩国阛阓前，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，左证韩国阛阓的用户特质定制相应的营销策略，创建了一个私有的品牌形象。

Andrew Hsu 曾涌现，为止 2024 年 12 月，Speak 应用的下载量已突出 1000 万次， 每位用户每天的使用时刻约为 10-20 分钟。

刻下，Speak 正在将韩国阛阓的奏效资格逐渐带到其他阛阓进行考据。2022 年底，Speak 开动开拓日本阛阓；2024 年下半年，Speak 在中国台湾阛阓的收入开动快速增长。

不外，Speak 刻下主要活跃在不以英语为母语的阛阓。比拟之下世界杯体育，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，确切犀利的竞争风暴有时还莫得到来。