聲網(wǎng)教育行業(yè)負(fù)責(zé)人錢奮

大模型的角逐越來越激烈，縱觀大模型競技場上的選手，基本都是大廠。原因不難理解，大廠有充足的研發(fā)人才和資源，“彈藥”更充足。

在教育領(lǐng)域也是如此，在芥末堆主辦的GET2024·春大會上，學(xué)而思技術(shù)總監(jiān)、MathGPT負(fù)責(zé)人白錦峰分享道，學(xué)而思做數(shù)學(xué)大模型的原因之一是，公司的技術(shù)研發(fā)和教研人員超3000人，研發(fā)經(jīng)費也很高?！爸挥匈Y源的大規(guī)模投入，才能保證將來的產(chǎn)出。”

這是否意味著沒有那么多研發(fā)資源的中小企業(yè)要在大模型的賽道上掉隊？作為底層實時音視頻技術(shù)服務(wù)商，聲網(wǎng)已經(jīng)著手解決這個難題。

同時，近期多家教育企業(yè)相繼更新升級自家的學(xué)習(xí)機(jī)，智能教育硬件漸入AI時代，全面覆蓋啟蒙益智、自主輔學(xué)、學(xué)業(yè)提升等教學(xué)需求。一來一回對話、與家長進(jìn)行音視頻溝通，都是學(xué)生與學(xué)習(xí)機(jī)的互動場景，這也是聲網(wǎng)能夠充分發(fā)揮自己優(yōu)勢的領(lǐng)域。

緊跟教育行業(yè)的這些熱點與趨勢，聲網(wǎng)在GET大會·聲網(wǎng)教育沙龍專場，發(fā)布「RTC+AI教育超級雙擎解決方案」。據(jù)介紹，該解決方案旨在幫助開發(fā)者，通過這兩個引擎驅(qū)動在線教育模式、場景、體驗的創(chuàng)新與升級。

一直深耕音視頻互動領(lǐng)域的聲網(wǎng)為什么要將RTC和大熱的AI相結(jié)合？雙擎都帶來哪些新功能？將如何幫助教育客戶？

帶著這些疑問，芥末堆向聲網(wǎng)教育行業(yè)負(fù)責(zé)人錢奮尋求答案。

為什么將RTC與AI相結(jié)合？

RTC（Real-Time Communication）是實時音視頻，是線上教學(xué)不可或缺的基礎(chǔ)設(shè)施；AI是近幾年大火的人工智能技術(shù)，正在越來越廣泛地應(yīng)用于教育領(lǐng)域。聲網(wǎng)為什么要將兩種技術(shù)結(jié)合起來？

有需求，才有解決方案。一方面隨著GPT-4o、Astra等大模型的發(fā)布，RTC已慢慢成為大模型的關(guān)鍵能力，另一方面，在與教育客戶的直接且深度的溝通過程中，聲網(wǎng)感知到了最新的變化。

在實時音視頻領(lǐng)域，聲網(wǎng)當(dāng)之無愧是佼佼者。數(shù)據(jù)顯示，在全球集成RTC能力的App中，50%以上都使用了聲網(wǎng)的技術(shù)，其中不僅有教育領(lǐng)域，還包括娛樂等領(lǐng)域。聲網(wǎng)的教育客戶中不乏國內(nèi)外知名企業(yè)。

近兩年，聲網(wǎng)發(fā)現(xiàn)，新老客戶開始慢慢回歸線上大班課。究其原因，大班課是教學(xué)經(jīng)濟(jì)效益和體驗效益最好的模型，處在辦學(xué)效益和學(xué)習(xí)效果綜合的平衡點上。然而，雖然客戶的預(yù)算變少了，但對效果的要求并沒有降低。他們既要大班課模式，又要小班課甚至1對1的教學(xué)體驗，簡而言之，既要花錢少，又要效果好，這無疑對聲網(wǎng)提出了更高的要求。

聲網(wǎng)觀察到的另一個趨勢是，智能教育硬件正在快速興起。根據(jù)IDC的數(shù)據(jù)，教育硬件以每年30%的增長率保持增長，學(xué)習(xí)機(jī)和辭典筆幾乎成為現(xiàn)在學(xué)生的標(biāo)配。

另外，聲網(wǎng)發(fā)現(xiàn)，客戶對教育工具的要求和關(guān)注重點正在回到課堂上，課堂互動效果更受重視，比如老師的聲音能不能很輕松地傳遞到后排，噪音能否有效去除。

與此同時，生成式AI在教育領(lǐng)域的應(yīng)用越來越普遍，很多廠商已經(jīng)推出了AI概念的相關(guān)教學(xué)工具，包括AI教學(xué)陪練、教學(xué)和學(xué)情分析、備課等等。聲網(wǎng)相信自己在這個方向也可以有所作為。

站在當(dāng)下這個節(jié)點，聲網(wǎng)在思考：從2014年創(chuàng)業(yè)以來，聲網(wǎng)已經(jīng)為50%以上線上互動的教育機(jī)構(gòu)提供音視頻服務(wù)。未來5至10年，聲網(wǎng)還應(yīng)該為教育行業(yè)做些什么？

聲網(wǎng)思考的結(jié)果是繼續(xù)為線上線下教學(xué)客戶提供更優(yōu)質(zhì)的音視頻體驗，在追求體驗提升的基礎(chǔ)上，還要兼顧服務(wù)成本、辦學(xué)效益。這也是為什么聲網(wǎng)推出RTC+AI的教育雙引擎的概念。聲網(wǎng)希望，在雙擎的驅(qū)動下，教育創(chuàng)新的這輛汽車將行駛得更快。

雙引擎如何拉動教育創(chuàng)新？

RTC：支持多維直播，與主流學(xué)習(xí)機(jī)適配

據(jù)介紹，聲網(wǎng)在RTC方面主要升級了在線課堂教學(xué)體驗，包括超強互動、多維直播、絲滑流暢、教育硬件適配等新功能。

「絲滑流暢」自不必說，聲網(wǎng)的實時音視頻技術(shù)一直在追求實現(xiàn)超低延遲秒接入，此次的升級使體驗更優(yōu)化，能確保每一堂課 0干擾、無卡頓?！?/p>

「超強互動」體現(xiàn)在技術(shù)和場景工具兩個方面。技術(shù)層面，新解決方案讓師生互動的延遲變得更加無感知；場景工具層面，僅僅是面對面的溝通還不夠，還需要一些工具來促進(jìn)實時課堂的參與度，學(xué)生可隨時通過上麥、彈幕、文字消息與老師問答溝通，還能使用互動教學(xué)組件，包括搶紅包、搶答、投票等。

「多維直播」這個功能引發(fā)了芥末堆的好奇。聲網(wǎng)在介紹中提到，“「多維直播」支持實時直播和錄像直播兩種教學(xué)模式，錄像直播（偽直播）也能達(dá)到實時直播的教學(xué)效果；支持超級小班課模式，分組學(xué)習(xí)與線上雙師，打造‘大班課堂，小班體驗’”。

為什么錄播還要追求實時直播的效果？這種效果又是如何實現(xiàn)的？

錢奮解釋道，“雙減”后，教育公司為了節(jié)約成本，會錄制好課程再上傳到線上給學(xué)員觀看，這種情況在職教領(lǐng)域比較常見，因為成人可以自由把控自己的學(xué)習(xí)時間。具體功能上，「多維直播」支持客戶定制服務(wù)，比如學(xué)生看錄播課的時候，中間會跳出一道題目，答完題才能進(jìn)入下面的環(huán)節(jié)。

在K12領(lǐng)域同樣有這樣的情況。比如，直播課的時間與學(xué)生的時間相沖突，通過「多維直播」，學(xué)生和家長可以選擇自己合適的時間來上錄播課，但能有直播的體驗。雖然是錄播課，但在聲網(wǎng)技術(shù)的加持下，老師也會提問，還有積分和發(fā)紅包環(huán)節(jié)。而且“偽直播”課并不是隨時都可以上，可以規(guī)定學(xué)生必須在某個時間段完成，比如這堂課是7:00-9:00，可以設(shè)置9點以后就不能打開。所以，對孩子來說，這就是在直播。聲網(wǎng)的技術(shù)也支持讓學(xué)生進(jìn)入課堂之后自動分組，雖然對機(jī)構(gòu)來說是大班課，但是學(xué)生的感受卻是小班課。

針對教育企業(yè)紛紛推出的學(xué)習(xí)機(jī)，聲網(wǎng)基于自己的優(yōu)勢，也對學(xué)習(xí)機(jī)做了適配。因為學(xué)生除了可以通過學(xué)習(xí)機(jī)學(xué)習(xí)內(nèi)容，還能觀看直播課、進(jìn)行家校溝通、家長伴學(xué)，這些場景都需要實時音視頻技術(shù)的支持。

目前，聲網(wǎng)的解決方案全面適配市面上主流的學(xué)習(xí)機(jī)品牌，其優(yōu)勢在于低端機(jī)型性能優(yōu)化，低內(nèi)存占用，極小包體、超低功耗，還支持全平臺入口加入課堂，行業(yè)內(nèi)率先適配鴻蒙HarmonyOS NEXT。

乍一看，聲網(wǎng)與學(xué)習(xí)機(jī)似乎沒有關(guān)聯(lián)，其實不然?！拔覀円咔榍熬烷_始做了，之前字節(jié)跳動的大力臺燈也采用了聲網(wǎng)整體的方案，所以聲網(wǎng)對學(xué)習(xí)機(jī)的適配能力已經(jīng)非常成熟了。”

關(guān)于如何將聲網(wǎng)的解決方案與學(xué)習(xí)機(jī)集成，錢奮介紹，硬件出廠的時候聲網(wǎng)就會把SDK嵌入進(jìn)去，非常方便。

AI：讓課堂更沉浸，用大模型提升教學(xué)成效

AI這個引擎帶動的是AI沉浸課堂的打造和大模型輔助教學(xué)。

在處理音頻方面，聲網(wǎng)的智慧教室音頻（3A）解決方案具備AI降噪、AI去混響、AI回聲消除等能力，能讓課堂變得更加沉浸，深度還原線下教室的上課體驗。

錢奮提到，聲網(wǎng)的技術(shù)路線是從“連線”到“在線”再到“在場”，目前處于“在線”的階段，會繼續(xù)朝著“在場”前進(jìn)。

2024年大模型應(yīng)用大爆發(fā)，教育領(lǐng)域更是不斷被重塑，AI大模型與教育的結(jié)合已是大勢所趨。聲網(wǎng)了解到，很多客戶想嘗試大模型，比如說AI Tutor，這些場景與音視頻強相關(guān)，是聲網(wǎng)擅長的方向。

目前，市面上的一些語音助手的技術(shù)邏輯是把聽到的語音轉(zhuǎn)換成文字，使用文字回答后再轉(zhuǎn)換成語音回復(fù)給用戶，因此這類語音助手無法聽出語音中包含的情緒，存在延遲較高的問題。

OpenAI發(fā)布會上，用戶演示與GPT-4o的實時語音對話

OpenAI最新發(fā)布的GPT-4o讓語音視頻的交互能力再上一個臺階，用大模型進(jìn)行更具真實感與沉浸感的實時語音正在成為現(xiàn)實，平均延時低至幾百毫秒，這無疑為包括聲網(wǎng)在內(nèi)的RTC行業(yè)帶來很大的市場機(jī)遇，未來借助低延時、高音質(zhì)的RTC技術(shù)，有望打造更極致的人與AI交互體驗。據(jù)了解，聲網(wǎng)也在利用新技術(shù)，研發(fā)更像真人的AI口語老師，不久將面世。

同時，聲網(wǎng)的技術(shù)還支持?jǐn)?shù)字人AI助教，能實現(xiàn)7*24 小時的全天候陪伴輔導(dǎo)，隨時隨地答疑學(xué)生的課后難題。

頭部廠商都在用，對中小企業(yè)更友好

聲網(wǎng)發(fā)布「RTC+AI教育超級雙擎解決方案」并不是一時興起，從一年前就已經(jīng)開始布局。

錢奮表示：“實時音視頻與AI結(jié)合，我們一直在做，但需要一些客戶來驗證，經(jīng)過驗證后，我們認(rèn)為這個方案是成熟的，所以現(xiàn)在才發(fā)布?！?/p>

作為底層技術(shù)服務(wù)商，聲網(wǎng)的解決方案通常適用于各種規(guī)模的教育客戶，目前該解決方案的客戶包括多家頭部廠商，也有不少的中小企業(yè)。聲網(wǎng)觀察到，大企業(yè)和中小企業(yè)的需求有所不同。

錢奮解釋道，“考慮到自己的品牌和業(yè)務(wù)，大企業(yè)的需求會更定制化；中小企業(yè)可以直接用我們的解決方案，他們可以在跑通之后再做更多的定制化，投入更多資源。”

“我覺得這套解決方案對中小客戶更友好，因為不需要投很多的研發(fā)資源，也不需要那么長的研發(fā)周期。研發(fā)資源就是成本，研發(fā)周期是決定一家企業(yè)有沒有可能活下來的一個很重要的因素。”他說。

聲網(wǎng)主要為客戶提供完整的技術(shù)能力，聚焦穩(wěn)定性、定制性和簡易性幾大原則。錢奮表示，聲網(wǎng)既為客戶提供聲網(wǎng)研發(fā)的模型，也提供市面上的通用大模型，由客戶自主選擇?！叭绻蛻粽J(rèn)為通用大模型夠用，就不用再多加訓(xùn)練；如果客戶希望做得更好，更垂直，還是需要用自己的數(shù)據(jù)進(jìn)行訓(xùn)練?！?/p>

“我們未來也可能會推出聚焦教育的小模型，小模型的體積包更小，更方便教育客戶接入?！卞X奮透露。

今年是聲網(wǎng)成立十周年。截至目前，聲網(wǎng)在全球的活躍應(yīng)用數(shù)已經(jīng)超過74萬，全球數(shù)據(jù)中心超過250，單月通話分鐘數(shù)超過600億。這些數(shù)字還在持續(xù)增長。

能有如此成就，得益于聲網(wǎng)一直以來對市場動向的洞察，以及在技術(shù)能力上的深耕。此次發(fā)布的「RTC+AI教育超級雙擎解決方案」標(biāo)志著，聲網(wǎng)在助力教育創(chuàng)新的道路上，往前又邁了一步。