LioShuTan 採用 SIRAYA Model Router，透過語音轉文字（ASR）與文字轉語音（TTS）技術，為 AI 驅動的語言學習與口語評估體驗提供技術支援。.
概覽
LioShuTan 是一個專注於語言學習體驗的教育平台，內容涵蓋 AI 口說練習、聽力練習、發音評估以及互動式學習流程。.
該平台目前採用 BytePlus 的語音轉文字（ASR）與文字轉語音（TTS）服務，用於語音驗證及 AI 輔助聆聽互動。其核心工作流程旨在評估使用者能否在不同的學習情境及年齡層中，準確地發音並表達詞彙與句子。.
同時，該平台也積極評估如 Azure Pronunciation Assessment 等進階語音評估功能，以實現更細緻的語音音韻分析和詳細的發音回饋。.
隨著產品將於未來數月內全面投入量產，可擴展性、低延遲回饋以及靈活的 AI 協調機制已變得愈發重要。.
實際挑戰
在採用 AI 技術的語言學習環境中，LioShuTan 面臨了若干生產級別的挑戰：
- 不同的語音辨識模型在發音評估準確度上呈現出顯著差異。
- 目前的詞級別置信度評分無法精確識別具體的發音問題
- 不同的語言、年齡層和學習情境，需要具備不同的 AI 語音功能
- 即時語音評估工作負載需要低延遲和穩定的基礎設施
- 該平台需要針對多家語音服務供應商進行持續的評估與測試
此外，相較於標準的 AI 語音應用場景，教育類語音應用程式對回饋品質、反應速度及使用者體驗的要求顯著更高。.
解決方案
SIRAYA 為 LioShuTan 提供了一套統一的模型路由器架構，實現了對多項語音 AI 服務的集中存取、動態路由以及靈活的模型評估。.
透過 SIRAYA 模型路由器，該平台能夠靈活調度 BytePlus ASR/TTS、Azure 發音評估以及其他語音 AI 服務，同時針對不同的學習任務和發音評估情境，動態選取最適合的模型。.
主要功能包括：
- 跨多項 Speech AI 服務的統一存取與管理
- 靈活測試不同 ASR 和發音評估模型
- 基於學習情境的動態語音 AI 協調機制
- 改善即時語音評估工作負載的穩定性
- 簡化多供應商語音 AI 整合的複雜性
可衡量的影響
在整合 SIRAYA 模型路由器後，LioShuTan 在 AI 語言學習體驗與語音 AI 運算方面均取得了顯著提升：
- 更穩定的 AI 語音回饋與互動式學習體驗
- 在測試不同的語音辨識（ASR）和發音評估能力方面，擁有更大的彈性
- 更好地适应不同年龄段和语言学习场景
- 降低多供應商 AI 語音系統的運作複雜度
- 更輕鬆地擴展至新的 AI 語言學習功能與工作流程
更重要的是，LioShuTan 建立了一個可擴展的 AI 語音基礎架構，專為長期運作的 AI 輔助語言學習環境而設計。.