LioShuTan 採用 SIRAYA 模型路由器，透過語音轉文字（ASR）與文字轉語音（TTS）技術，為以 AI 為核心的語言學習與口語評估體驗提供技術支援。.
Overview
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 輔助的聆聽互動。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各年齡層中，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 等進階發音評估能力，以實現更細緻的語音分析和詳盡的發音回饋。.
隨著該產品將於未來數月內正式投入量產，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。.
真實的挑戰
在採用 AI 技術的語言學習環境中，LioShuTan 面臨了幾項生產級別的挑戰：
- 不同的語音辨識模型在發音評估準確度上顯示出顯著差異。
- 目前的單詞級別信度評分無法精確識別特定的發音問題。
- 不同的語言、年齡層和學習情境，需要不同的 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 AI 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 語音應用情境，教育類語音應用在回饋品質、反應速度及使用者體驗方面，所需標準明顯更高。.
解決方案
SIRAYA 為 LioShuTan 提供了一套統一的模型路由器架構，可實現對多項語音 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
- 靈活測試不同的 ASR 和發音評估模型
- 基於學習情境的動態語音 AI 協調機制
- 提高了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 操作方面均取得了顯著改善：
- 更穩定的 AI 口語回饋與互動式學習體驗
- 測試不同語音辨識和發音評估能力的更大彈性
- 更能適應不同年齡層和語言學習情境
- 降低多供應商語音 AI 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語音 AI 基礎架構，專為長期 AI 輔助的語言學習環境而設計。.