Speak 是由 Connor Zwick 和 Andrew Hsu 在 2016 年在舊金山創立的一款語言學習產品，在其創立早期就積極探索 用 AI 提升語言學習的效率和體驗。Speak 早期主要專注於韓國的英語學習市場。目前 Speak 在韓國蘋果商店 “教育應用”中排第一名。2023 年之前，Speak 重點放在課程研發，累計開設了近 1500 萬節英語課程。2023 年開始國際擴張、多語種擴張，目前產品已在日本、德國、法國、巴西、墨西哥等 20 多個國家上線。

2022 年， Speak 獲得 OpenAI Startup Fund 及頭部矽谷基金的支援，融資 2700 萬美元，2023 年 8 月又融資 1600 萬美元，估值在不到一年的時間裡翻了一番。

作為 OpenAI 的合作伙伴，Speak 提前獲取了 GPT-4、Whisper 的使用權以及微軟的 Azure 資源，透過和 Speak 的語言學習系統、教學法相結合，開發語言學習的 AI Tutor ，目標是為使用者提供更準確的即時反饋、提升使用者的語言學習體驗。Speak 的 CEO 認為，高度個性化和語境反饋只能使用 GPT-4 開發，GPT-4 是對早期語言模型的實質性改進。

Speak 主打的是口語學習，希望透過 AI Tutor 讓使用者像和真人教師對話那樣一樣不斷進行口語練習，再基於 AI 提供的發音、語法、詞彙等方面即時反饋不斷完善語言學習。

Speak 首先會由專業教研人員設計框架和內容，這個過程主要以教研和使用者研究為主導，團隊也會藉助 LLM 進行課程研發中的頭腦風暴、效率提升。根據學習者的水平，Speak 將課程分為基礎初級、進階初級和實力中級三個等級。每個等級內有約 30 天課程設計。總體上，Speak 目前的可能內容較為基礎，更適合入門的學習者。

Speak 的創始人為 Connor Zwick 和 Andrew Hsu，是“小天才+小天才”的組合。兩人從 2014 年起就開始了對於 AI 的持續研究，在適應和利用 AI 新進展方面有足夠的靈活性。

Connor Zwick 為 Speak CEO，中學時就開始學習程式設計，他在 Cyberantix 網站撰寫的程式設計的文章閱讀人數達到數百萬人。他在高中時就建立了語音學習應用 Flashcards Plus，透過把語音單詞和短語製作成電子學習卡片，讓使用者反覆練習學習語言。Flashcards Plus 全球使用者最終達到了 500 萬人，2013 年被 Chegg 收購，這也讓 Connor 獲得了進入哈佛大學學習的機會。

Andrew Hsu 是 Speak 的 CTO，小時候因為太聰明所以接受家庭教育（Home-Schooling），他的天才故事曾被 NBC 報道，16 歲時就獲得了華盛頓大學的生物化學、神經生物學、化學三個學位，隨後在斯坦福大學完成了神經科學和生物工程的博士學位。

Connor  和 Andrew 在參與 Thiel Fellowship 期間相識，二人都對 AI 非常感興趣，一起閱讀相關論文，聽伯克利大學的 AI 課程自學人工智慧。這期間，他們一起搭建了一個檢測人們口音的語音識別系統，僅使用 Youtube 的隨機資料就取得了非常準確的結果。

這成為了 Speak 產品的雛形。

2022 年 9 月開始，他們獲得 GPT-4 使用許可權後開始嘗試將其融入 AI tutor。Connor 認為，語言學習是少數即使 AI 系統還不完美，也可以被使用者接受的領域之一，因為語言學習可以容忍一定的錯誤，使用者還是可以從互動中獲得收益，這和其他要求非常高精度的領域不同。長期來看，如果 AI 系統獲得足夠的資料和經驗，其教學能力也會不斷增強，甚至超過人類老師。這將極大地提高教育效果，使更多地區的學生受益。Speak 表示未來也會考慮進一步擴充套件到其他教育領域。

雖然 Speak 的誕生源於 Connor Zwick 和 Andrew Hsu 二人想要 AI 改造語言學習的想法，但 Speak 在最初幾年沒有在機器學習方面投入太多資源，而是專注找 PMF 和打磨產品，在和不同國家的使用者交流後（包括韓國、日本、歐洲），團隊最終選擇語言學習市場成熟、對產品要求高的韓國作為早期目標市場，創始人在一次採訪中表示， Speak 會不斷地進行 A/B 測試去迭代修正課程邏輯，而不像很多英語 app 將絕大部分重點都放在營銷上。

Speak 在韓國的成功離不開建立的優秀本地營銷團隊。2023 年 Speak 開始重點擴充套件日本、美國市場，在當地市場推廣中，也採取了搭建本地營銷團隊、深入瞭解當地需求的方式。

參考 Data.ai 的資料，Speak 2023 年 10 月的 DAU 為 7 萬左右，MAU 為 65 萬左右，呈現波動上漲。使用者主要來自韓國（約 50%）、日本（22%）、美國（10%）、墨西哥（8%）以及臺灣、香港等地區，可見除了韓國市場，Speak 在日本、美國也獲得了一定的 PMF。

不過，不同地域的使用者畫像差別較大，韓國地區以男女比例約為 4：6，25-44 歲的使用者佔比達 50%，16-24 歲使用者佔比達 40%，屬於典型的求職、求學需求；而日本地區以 45 歲以上的女性使用者為主，美國地區男女比為 6：4，45 歲以上使用者佔比達到約 50%，25-44 歲的使用者佔比達到約 40%，可以簡單猜測，日本、美國等市場使用者除了求職、移民等功能性需求外，也有一些非目的性的使用場景。

作為一個典型的線上語言學習產品，我們可以參考 Duolingo 的資料來對 Speak 面向的市場進行簡單測算。

參考 Duolingo 2023 年 Q3 財報資料，Duolingo MAU 為 8310萬，付費使用者為 580萬，Duolingo 的使用者付費率為~7%。2022 財年，Duolingo 的使用者訂閱金額為 3.32 億美元。

根據諮詢公司 HolonIQ 測算，全球有約 20 億人在學習新語言，線上、線下的語言學習消費支出約 600 億美元。如果以 7% 作為指標（考慮到 Duolingo 優越的遊戲化設計也促進了使用者的付費轉化率，因此 7% 是個樂觀狀態），則理想狀態下，20 億的語言學習人群中，約有 1.4 億潛在付費使用者。另外，基於線上語言學習趨勢加速發展，訂閱模式接納程度提升、AI 帶來的體驗效果持續提升的假設前提下，行業樂觀預測未來會有 20% 複合年增長率，所以這部分人群還在擴大。

但 AI 的發展也可能對語言學習市場存在負面影響，有聲音認為，隨著語音識別、語音生成技術的進展和普及，即時翻譯的門檻不斷下降，可能會削減人們對語言學習的需求。

但總體上，和 K-12 相比，語言學習的市場並不大，尤其考慮到 Speak 之前只專注東亞、應試求職等目的性明確的場景。對於 Speak 而言，如果要提升自身天花板最直接的是拓寬自身使用者群，短期內最直接的則是進入新的區域市場、增加新語種。

Speak 目前主要的市場為東亞地區，團隊已經充分開發了韓國市場，日本市場獲得了類似韓國的發展軌跡，同時獲取了一定的港臺和海外華人使用者。此外，Speak 也計劃進入美國這一大市場，首先，美國國內也有著非常強的英語學習需求，而 Speak 已經將業務範圍從英語擴充套件到了多語種，接下來的重點也會放在美國的西班牙語學習市場。因為東亞地區應試導向的英語學習的 TAM 很有限，在語言學習整個大市場裡面，還有大量不以應試為導向的英語學習場景，這部分 ”Casual Leaner“的學習者被認為是 Duolingo 的核心使用者群，也是 Speak 想要抓住的使用者。

不過語言學習市場在整個教育市場中的比重較小。HolonIQ 測算教育市場到 2030 年規模將達到 10 Trillion 美元，其中佔比最大的為 K-12 教育，到 2030 年將超過 5 trillion 美元，佔比為 55%，所以如果 Speak 的 AI tutor 未來能夠擴充套件到 K-12 全科，將會顯著地提高市場空間。參考 Duolingo，在語言學習外，Duolingo 在 2023 年相繼推出了自己的數學、音樂產品。

據瞭解，Speak 在 2022 年實現了 960 萬美元 ARR，如果按目前 Premium 的產品定價算，Speak 已經有 10 萬左右的付費使用者，如果按 Premium Plus，則～4 萬人。根據 data.ai 追蹤預測， Speak 最近 12 個月的商店收入在 1000 萬美元左右，其中韓國地區佔據了 73%左右，其次為日本，佔據 21%左右。

那 2023 年能獲得約 20 萬付費使用者，實現收入約 2000 萬美元

長期來看，假如 Speak 有機會實現 Duolingo 一樣的 580 萬的付費使用者量級，以目前 Speak Premium 定價，Speak 的 ARR 有機會達到約 5.8 億美金。

短期來看，Speak 的競爭對手是其他線上語言學習翫家，尤其是同樣基於 LLM 提供 AI Tutor 功能的產品，長期來看，還會與線下形式的語言學習競爭，此處我們先將目光集中在線上語言學習並提供 AI tutor 的公司。

目前市場上基於 LLM 提供語言學習 AI Tutor 的主要有以下三類：

同樣也提前試用了 GPT-4 ，並在此基礎上推出了  AI Tutor 功能，即 Duolingo Max。Duolingo 最大的優勢在於其龐大的使用者基礎及完整且豐富的產品設計。

Duolingo Max 提供的 “Explain My Answer”和“Roleplay”功能與 Speak 極為相似，均為模擬真實對話場景，並且針對使用者的錯誤給出即時反饋。從 Reddit 上使用者的評價綜合來看，Duolingo Max 獲得了一定積極反饋，使用者評論主要集中在提供更多互動和體驗個性化、即時解決問題、提高口語能力等，但也有不少使用者認為價格太高、超出預算、擔心 AI 的準確性。

目前 Duolingo Max 尚未在全球使用者中全量開放，所以對於其他早期團隊而言，也許存在一定視窗期。

除了頭部公司探索 LLM 在教育領域的應用外，創業公司也紛紛試水，因為結合語音生成，利用 LLM 的互動能力學習語言是一個十分直觀且易實現的應用場景。我們也觀察到，GPT-4 開放之後，市場上出現了一大批產品同質化較嚴重的 AI Language Tutor 產品，模式均為固定課程學習配合整合 LLM 能力的開放式對話 AI Language Tutor，其中絕大部分都是已有公司試圖透過 AI 來吸引客戶、獲得新的增長。

其中，2023 年創立、並完成種子輪融資的  Practika 在互動方式上有所創新，加入 AI  avatar 以提升使用者使用沉浸感，是一個非必須、但能提升使用者體驗的功能。

免費方案包括可以進行語音互動的 ChatGPT、Pi、Character AI 中的語言老師、Call Annie 等。

在 Reddit 的使用者討論中，雖然部分使用者提到可以用 ChatGPT、Pi、Character AI 中的 language AI 等通用性 LLM 替代付費的 AI tutor，但大部分使用者在分享將 ChatGPT 作為語言夥伴的體驗中提到，因為沒有合理的 prompt 和專業訓練資料，ChatGPT 在處理體驗專業術語、方言和俚語時較差，提供錯誤資訊機率較高，僅能滿足初步需求，而類似問題也可能出現在沒有足夠使用者資料和技術團隊的中小團隊中。C.ai 中的 UGC 的 AI languauge teacher 也因為沒有細緻的課程設計，同時沒有加入語音功能，僅能滿足基礎需求。

產品體驗和市場佔有

產品體驗維度，語言學習 APP 要解決的核心問題是激發學習者的學習動機，提供持續學習動力，這不僅僅是整合 GPT-4 就可以解決的。AI Tutor 公司之間產品體驗的差距主要源自三個方面：

1）團隊是否有資深課程設計團隊設計；

2）是否提供真正的個性化體驗；

3）能否在互動性上取得創新。

在這些產品同質化較嚴重的 AI Language Tutor 公司中，需要找到同時具有產品經驗、教研經驗和對 AI 有較強理解的團隊。在這一維度上，Speak 由於紮實的課程設計和對 GPT-4 的應用優勢，產品體驗相對佔優。但成熟的教育科技公司在課程資源、使用者資料、AI 實踐方面均有深厚的積累，我們認為創業公司很難超越。

市場佔有維度，語言學習軟體需要儘快地開闢市場、做增長來搶佔地盤，同時維持一個較好的使用者留存。在這種情況下，擁有大量使用者基數的老玩家如 Duolingo 將具有很大的優勢。可以增加 AI tutor 功能，以組合訂閱套餐方式賣給使用者。Speak 在韓國市場已有較大優勢，但在拓展新市場時需要強大的營銷運營能力。新興公司如 Praktika 透過進入新興市場搶佔地盤，從拉美起步再向多地區擴充套件，近期獲取了一批義大利的使用者。

就現狀來看，Speak 最大的競爭對手為 Duolingo。兩者推出了相似形態的 AI tutor，但 Duolingo 有用更龐大的使用者群和市場認知度，使用者優勢也將轉化為資料優勢，使用者在 Duolingo 上的個人資料積累都會因為 GPT-4 的接入放大。由於 Duolingo 主攻讓英語母語者學其他語言的 casual learner 市場，這也是 Speak 下一步希望開拓的市場，因此兩者將面臨更為直接的競爭。

Speak 因為與 OpenAI 取得密切合作，更早地使用 GPT-4，再加上在韓國英語教研的積累，取得了先發優勢，但如今所有企業都可以接入 GPT-4，同樣具有較深厚使用者資料和教研積累成熟語言教育公司如 Duolingo、Rosetta stone、Babbel 等或許都將成為 Speak 的競爭對手，只想藉助 AI Tutor 這一功能帶來的差異化贏得市場的難度會極高；

Speak 的市場競爭力已經在韓國、日本的英語學習市場取得了驗證。下一步計劃擴張到多國家地區的英語學習，以及多語言 causal learner 學習市場。但在擴張過程中需要考慮各個國家地區的語言學習需求與差異，在課程設計和本地化運營上都非常考驗團隊實力。各個國家存在現有玩家，多語言學習又是 Duolingo 的主要市場，Speak 將會面臨激烈的市場競爭。

GPT-4、Whisper，11labs 等技術使得語言與語言之間的轉換變得越來越無縫自然，能夠將說話者的語言翻譯成另一種語言的同時保持語音語調及音色，語音生成時間能控制在 400 毫秒以內，甚至 11labs 創立公司最初的目標就是“讓人類不再需要學習語言”。

在語言學習場景利用 LLM 有兩種方式：

1）基於現有基座模型進行 Prompt-engineering 或 fine-tuning，也是目前絕大部分實踐型別；

在 AI 改造教育這件事上，我們認為 Duolingo 可能是被低估的一家公司，雖然 Duolingo 在今天更多被遊戲化、病毒式的增長討論，但 Duolingo 創始人 Luis Von Ahn 本人就是天才級 ML/AI 實踐者，也因此 Duolingo 從誕生起就帶有 AI 基因，也很早進行了諸多 AI 探索，下面我們結合 Duolingo 的實踐進行討論。

在 2020 年， Duolingo 就釋出了自研的自適應系統 Birdbrain 用來監測學習者行為，基於學習者資料和 Duolingo 的語言材料，生成個性化學習路徑，匹配學習者的能力水平，比如當學習者表現出色時，Birdbrain 會提供更具挑戰性的問題以保持他們的興趣，不過這些內容都是基於已有課程內容，不存在所謂的“生成”。在 GPT-4 之前，Duolingo 團隊也探索過利用 GPT-3 等模型來生成練習題，但在實踐中發現，效果並不理性，仍需要大量人工介入。

根據 Duolingo AI 主管 Clinton Bicknell 的訪談，整合 GPT-4 到 AI Tutor 需要以下工作：

對話類功能需要 prompt 來設定情景、角色、對話目標等上下文資訊，團隊一般需要上百次試驗來最佳化 prompt 的長度、內容、措辭，使 GPT-4 生成的對話質量符合預期；

• 結合 Duolingo 自己的 AI 模型及資料：

在 GPT-4 上層整合 Duolingo 的機器學習模型，如對話監控模型，用於分析對話合理性、控制對話長度、檢測敏感內容等。同時，Duolingo 已經積累了大量的學習者資料，根據使用者學習歷史、偏好和進度，個性化設計對話方式和學習內容；

使用 AI tutor 面臨的主要挑戰是對話安全和 GPT-4 “臆造”答案的問題。Duolingo 採取了多層次的防範措施，包括組建“red team”透過多種方式測試對話系統，引入檢測關鍵詞和評分機制，以確保對話保持在學習主題上；透過收集正常和不安全對話樣本，利用分類模型自動過濾潛在的不安全語句；同時還收集真實問答樣本擴充 GPT-4 的知識，加強檢驗步驟，對回答質量進行評分，以過濾低質量的回覆。

但 GPT-4 並不一直是正確的，當工程師們發現 Duolingo 的對話應用中生成某些錯誤時，也會將這些錯誤反饋給 OpenAI，OpenAI 利用這些反饋樣本進一步訓練和最佳化模型。

GPT-4 的應用不僅限於對話生成，還可用於課程內容生成、英語測試、個性化學習等。Speak 和 Duolingo 現在都已經在使用 AI 更快、更好的生成課程、建立練習。之後課程設計師會從 LLM 的輸出中選擇內容，進行編輯修改，因為 LLM 的輸出仍存在生硬或不太自然的部分。如以下的示例：

延伸閱讀