为什么一个语言学习软件suzyq 足交，能被 OpenAI 连投四轮？

2018 年 1 月，Speak 讲求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 诞生 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，从小即是华盛顿各大媒体笔下的天之宠儿。Hsu 5 岁能解代数题，7 岁因太机灵而辍学启动家庭耕作（Home-schooling），用 1 年时期学罢了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" 想象的一期学员，自后成为首位拿到 Google Venture 等知名 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 聘用担任网站作家；高二时开发一款语言学习应用 Flashcard+，用户最高达 500 万，最终被上市耕作企业 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" 想象二期学员并结子 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耕作，信得过学会 " 说 " 英语。

为达成这个主张，诞生以来，Speak 团队用了几年时期反复闇练 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 想象，饱读动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泛泛认同的，具有耕作艳羡的酬酢游戏，信得过达成 " 寓学于乐 "。

其时，Hsu 天才少年的光环，Peter Thiel 的背书，以及超前的耕作理念让 Airy Labs 成为 VC 眼中的一颗新星。Airy Labs 诞生不久便得到 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 的团队赶快本质至 20 东说念主，Hsu 也成为媒体口中的创业明星。

但是，一往往局无两的 Airy Labs 仅存活了不到 1 年。

Hsu 的资质并未在经营公司中体现，他的父母成为公司信得过的掌舵东说念主，并渐渐将公司变成了一个 " 家庭作坊 "。

Hsu 的父母近乎像管孩子相通贬责 Airy Labs，他们制定的一系列贬责轨制在职工眼中王人很 " 灾祸 "。举例，上昼 9 点到下昼 6 点不可在办公室高声言语，必须通过电子邮件或通信软件调换；部分红员需要在职责拆伙后向 Andrew Hsu 或其父母讲述职责，往往比及晚上 9、10 点致使更晚才放工，并且每周平时要职责 6~7 天。

" 贬责层与父母不同，他们详情不爱咱们。他们条款的职责时期在他们方位的国度可能是正常的，但在这里是不可接纳的。我认为他们莫得左证文化各异进行疗养。" 一位辞职职工曾懊丧。

除贬责怪题外，Airy Labs 的辞职职工曾露馅，公司并莫得贯通的愿景和政策布局。公司网站上描写的愿景是 " 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。

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

创业失败的教授惨痛，但 Andrew Hsu 改变耕作的见原却涓滴不减。恰是此次创业经历，他相识了 20 Under 20 想象的二期学员 Connor Zwick。

Connor Zwick 从 13 岁启动编程，曾被澳大利亚科技网 Nettuts.com 聘用担任网站作家。高二时，Connor Zwick 一度对时下的耕作体制感到失望，但愿用更动时期达成信得过的 " 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纯属。

" 我其时的想法是，淌若能将这些学问点汇总成某种学问图谱，就能生成任何内容、诠释注解任何学问，并创造出一个无所不知的导师。"Connor 近期回忆说念。但显然，其时的时期水平难以知足这个愿景。最终，Flashcards Plus 大家用户量达到 500 万，2013 年被耕作科技上市公司 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 家游戏企业修复联系。

直到 2016 年，Andrew Hsu 和 Connor Zwick 王人看到了在 AI 耕作鸿沟再次起程的契机。

AlphaGo 征服李世石后，深度学习范式成为 AI 界的新热门，遍及东说念主工智能论文问世，Andrew Hsu 和 Connor Zwick 在硅谷亲眼见证了一切的发生。

" 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通好，致使比东说念主类更好。"Connor 曾对媒体示意，" 其时只是合计这东西很酷，想用 AI 来打造一些道理的东西。"

他们用一年时期估计 AI，致使到斯坦福蹭课学 AI。时间，他们尝试开发了多样不同的算法，还尝试过不少计较机视觉应用，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，以及用深度学习瞻望天气。

但二东说念主发现语音识别是后果最惊艳的。其时，他们在 YouTube 上立时网罗了一些语音数据，构建了一个语音识别系统，不仅能邻接用户言语的内容，还能邻接不同口音。

用立时数据西宾的模子尚且有这样好的后果，淌若质料更高的数据呢？于是，二东说念主建议一个时期假定：是否能构建一种信得过可用的居品，从中网罗饱和的用户数据，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，酿成良性的数据轮回？

在这个假定之上，Speak 诞生了。

" 先有鸡 " 照旧 " 先有蛋 "？

有时是有了此前创业失败的资历suzyq 足交，Speak 从创办之初就制定了贯通的发展旅途。

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，不然有时率只可学到一手 " 哑巴英语 "，无法正常调换。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信得过会说会用。

主张很贯通，问题在于若何达成。

Speak 诞生初期，团队遭受了经典的 " 先有鸡 " 照旧 " 先有蛋 " 的问题——要修复庞杂的 AI 模子，就需要遍及多元、高质料的语音数据喂给模子。但要得到数据，要么需要全程手动征集，成本上流；要么就需要创建一款不错网罗该类数据的居品，但好的居品体验又修复在庞杂的模子能力之上。

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

源流，Speak 面向大家推出居品作念用户测试，每个市集王人有 AI 对话功能，用户不错选用一个类别，选用可爱的话题和 AI 疏忽对话。但闇练发现后果并不好，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、习气文化配景不同，很难一概而论，并且语言学习市集本就竞争热烈，仍是有 Duolingo、Babbel 等巨头占领市集，很难正面 " 硬刚 "。此外，其时的语音识别时期也不及以识别大家各地的语音各异。

在 Andrew Hsu 和 Connor Zwick 热闹之际，投资东说念主建议先把公司范围作念起来，但二东说念主很警惕这种作念法。直到 2023 年 6 月，诞生七年的 Speak 也只好 30 多名职工。

最终，他们决定先从单一市集攻破，以便聚拢元气心灵用有限的资源快速考证和迭代居品。

2019 年，Speak 讲求进击韩国市集。此前，Speak 进行了一番严格的市集调研。他们租了一个斗室间作念小范围的用户测试，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，用户信得过使用居品的时期大多在通勤的时候。收拢通勤时段培养升引户的学习习气后，用户在其他时期也会当但是然用 Speak 居品纯属英语白话。

刚硬到这小数后，Speak 发现居品的使用量、调动率、留存率王人大幅擢升，Speak 才算初步跑通了 PMF。但在 Hsu 看来，"PMF 不单是是单点的事物，而是一个连气儿的过程。你检阅 PMF 的进度越大，你的增长速率平时就越快 "。

之后，Speak 握住更新址品功能和课程内容，并握住优化居品的交互想象。" 任何体式的器具教唆、用户耕作或功能解释，王人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耕作行为一个主张。而 Speak 将这小数作念到了极致。

好多语言学习 App 的内容会罗致算法推选机制，新用户参加应用后，平时会作念一份简单的问卷或用户指挥历程，选用我方的学习动机、想学的内容等，算法会左证用户反馈给其首页推选遍及信息。但在 Connor 看来，这些信息并非信得过有效。" 往日咱们想要得到有价值的信息王人要我方主动去搜索，而那些被推送过来的信息有 99% 王人毫无价值，比如垃圾邮件和推送告知。"

因此，Speak 借助 AI 能力打造了一个全新的界面解锁形状。

在居品首页，Speak 莫得给任何新用户指挥历程，只好一个简单的问题：" 你为什么想学英语？" 然后用户就可按下 " 启动 " 按钮言语。每个用户王人会用不同的情谊、语音语调修起不同的谜底。Speak 会左证这些信息为用户构建个性化体验。

不外，Connor 曾示意，固然语音到语音模子后果越来越好，但 " 语音并不老是最好的东说念主机交互形状，好多时候，打字和点击图标是更快捷的形状 "。因此，Speak 试图探索一种 " 夹杂界面 "，让用户不错在随时王人目田选用言语照旧打字。

同期，为了更好地邻接用户，Speak 在后台运行时，举例在夜间，模子会运用闲置 GPU 资源分析用户数据，从而认识用户感兴味的课程，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 " 信得过的价值正在于，即使用户莫得使用居品，模子也在后台握住处理着用户数据，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、邻接和生成能力。

2022 年，Speak 遭受 OpenAI，PMF 又有了质的飞跃。

绑定 OpenAI，自建 AI 团队

从 2022 年起，OpenAI 连气儿四次投资 Speak。

OpenAI Startup Fund 诞生于 2021 年 5 月，已投资数个 AI 应用技俩，包括 De、Anysphere、Diagram、Harvey AI、Kick、Mem 和 Speak 等，涉猎 AI 音视频裁剪、AI 编码器具、AI 居品想象、AI 法律参谋人、司帐软件等多个鸿沟的落地应用。其中，Speak 是惟逐个个耕作类软件。

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

2023 年 3 月，Speak 先后官宣了和 OpenAI 的三项谐和：

3 月 1 日，晓示成为 OpenAI 全新 "Whisper" 模子 API 的首发谐和伙伴。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）方面的推崇更好。

3 月 14 日，晓示其行为早期看望者，将 GPT-4 接入其 "AI tutor" 中，能让 AI tutor 达成高度个性化和高下文联系的反馈。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 晓示与 OpenAI 谐和启动 ChatGPT 插件的 Alpha 版块，用户可从 ChatGPT 的界面径直看望 Speak。

但 Speak 并未把总共但愿奉求在 OpenAI 上。在和 OpenAI 深度绑定的同期，Speak 也在 2023 年入部属手搭建了我方的 AI 团队，启动运用往日几年从居品上积贮的数据集微调我方的语音模子。

2024 年，Speak 在官网博客中晓示升级了中枢语音识别系统。

系统升级前，Speak 分辨在 iOS 和 Android 系统上运营着不同的 ASR（自动语音识别）系统，还会用自稀有据西宾端侧小模子适配特定型号的出动开拓，也会罗致第三方语音识别就业。

但旷日历久，Speak 便发现了一些缺欠。举例，为了维持比较老的开拓，Speak 使用了参数范围更小、计较能力较低的模子，对语音识别后果较差；第三方语音识别就业往往也难以识别口音较重的语音，会影响用户体验；Speak 必须谨防 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：" 模子评估荒谬清贫且迫切。对于咱们的机器学习团队来说，最迫切的可能是评估，绝顶是对于大型语言模子往往膨胀的绽开式任务，淌若你能够索要出完好的评估范例，你基本上就索要出了你正在优化的主张问题。" 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裁汰 60% 以上。

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

现时，Speak 微调的 Conformer-CTC 模子仅用于英语语音识别，但 Speak 露馅，该模子改日也将扩展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）。

在用自稀有据微调模子的同期，Speak 依然捏紧每一次与 OpenAI 谐和的契机。因为在 Connor 看来，" 语言学习和及时对话纯属，是语音到语音时期的最好用例，因此咱们收拢契机与 OpenAI 谐和，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 谐和测试了 GPT-4o 的及时 API，推出 Live Roleplays，使用户能够在多样脚色饰演情境中进行千里浸式、传神的白话纯属。借助 GPT-4o 上的及时 API，Speak 的 AI tutor 不错像东说念主类教室相通快速或更快地反应，并能够邻接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侍从能力仍然不如文本模子，现时还不擅长更精练的语言学习特定任务，如发音携带和反馈。

语言学习界最懂 AI 的公司

2024 年 12 月，Speak 晓示完成 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信得过以 C 端应用藏身的独角兽。

除得到成本嗜好外，Speak 的居品推崇也得到市集认同。据 " 投资实习所 " 的信息，拆伙 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 主要的交易收入王人来自 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，收费范例分为 2 档：

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

Premium plus 想象：$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 的骨子测试中，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习气的用户而言，Premium Plus 有策划更合算。

2024 年，Speak 也启动拓展 to B 业务。Speak for Business 不错纯属特定的商务对话，举例与供应商和客户的专科究诘等。现时，Speak for Business 领有越过 200 个客户，职工罗致率为 85%。

Speak 为何能在一众语言学习市集热烈的竞争中脱颖而出？谜底有时就是 " 聚焦 " 二字。

Speak 自创立之初的主张就很聚焦，围绕 " 哑巴英语 " 这个核肉痛点打造居品体验，并一直对持居品导向的想路，陆续迭代 PMF。最近的访谈中，Connor 示意 Speak 一直荒谬防守课程内容，现时里面仍会对 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 这个强势的谐和伙伴后，Speak 也并未在 AI 的火爆中迷失主张，盲目高估模子的能力，而是组建我方的 AI 团队，运用多年积贮的用户数据微调语音模子，升级语音识别系统，连接迭代居品功能。

套用近两年很细密的观点，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，致使营销案牍也相应疗养为访佛 "20 分钟内说 100 句话 " 的标语。

同期，为了在单一市集打造最好居品体验，Speak 也十分防守居品想象和营销技巧的腹地化。在讲求参加韩国市集前，Speak 作念了充分的市集调研，并在后期搭建了一个寰宇级的腹地营销团队，左证韩国市集的用户特质定制相应的营销策略，创建了一个独有的品牌形象。

Andrew Hsu 曾露馅，拆伙 2024 年 12 月，Speak 应用的下载量已越过 1000 万次， 每位用户每天的使用时期约为 10-20 分钟。

现时，Speak 正在将韩国市集的生效资历渐渐带到其他市集进行考证。2022 年底，Speak 启动开拓日本市集；2024 年下半年，Speak 在中国台湾市集的收入启动快速增长。

不外，Speak 现时主要活跃在不以英语为母语的市集。比拟之下，西洋等以英语为母语的市集则由 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，信得过热烈的竞争风暴有时还莫得到来。

开头：创业邦suzyq 足交