Issen (YC F24) เปิดตัวติวเตอร์ภาษา AI สำหรับใช้งานส่วนตัว
(news.ycombinator.com)- เป็นแอปที่มุ่งทดแทน การฝึกพูดจริง ซึ่งเป็นส่วนที่ขาดแคลนที่สุดในการเรียนภาษาต่างประเทศ ด้วยติวเตอร์เสียง AI เพื่อลดภาระการจัดตารางเวลาและค่าใช้จ่ายในการค้นหาติวเตอร์
- เริ่มจากประสบการณ์ที่หาเครื่องมือฝึกพูดภาษาญี่ปุ่นและภาษาฝรั่งเศสได้ยาก โดยมองว่าค่าใช้จ่ายรายชั่วโมงของติวเตอร์มนุษย์และภาระในการจองเวลาเป็นปัญหาหลัก
- ไปป์ไลน์ AI เสียง ที่พัฒนาขึ้นเองผสาน STT, TTS, LLM, หน่วยความจำระยะยาว, การพูดแทรก และการสลับตาพูด พร้อมใช้ Gemini Flash, Whisper, Scribe, GPT-4o-transcribe เพื่อลดข้อผิดพลาดในการรู้จำเสียง
- เน้น การสนทนาแบบดื่มด่ำ มากกว่าการทำให้เป็นเกม และเชื่อมคำศัพท์ใหม่ที่เรียนรู้จากแชตเสียง AI ไปยังสมุดคำศัพท์และแฟลชการ์ดแบบ SRS
- ใช้งานได้บนเว็บ, iOS และ Android มีให้ทดลองฟรี 20 นาที และมีราคา 20~29 ดอลลาร์ต่อเดือน ขึ้นอยู่กับระยะเวลาและภูมิภาค
ประสบการณ์การเรียนภาษาที่ Issen ตั้งเป้า
- Issen เป็น แอปติวเตอร์เสียง ที่ออกแบบมาให้ผู้เรียนภาษาต่างประเทศได้พูดทันทีและดื่มด่ำกับภาษาเป้าหมาย
- ติวเตอร์มนุษย์อาจมีประสิทธิภาพ แต่การคิดค่าบริการรายชั่วโมง การจัดตารางเวลา และต้นทุนในการค้นหาจนกว่าจะเจอติวเตอร์ที่เหมาะสมกลายเป็นภาระ
- เป้าหมายคือเพิ่มทักษะการพูดจริงผ่าน บทสนทนาเต็มรูปแบบ ที่สมจริง มากกว่าควิซสั้น ๆ หรือคะแนน
- ไม่ได้ให้ความสำคัญกับการทำให้เป็นเกมมากนัก
- มองว่าประสบการณ์อย่างการรักษา streak ยาว ๆ หรือการได้คะแนนสูงในแอปอาจไม่ได้เชื่อมโยงไปสู่ความคล่องแคล่วจริง
ไปป์ไลน์ AI เสียงและฟีเจอร์การเรียนรู้
- แอปประมวลผลบทสนทนาด้วย ไปป์ไลน์ AI เสียง ที่พัฒนาขึ้นเอง
- ผสาน STT, TTS, LLM, หน่วยความจำระยะยาว, การพูดแทรก, การสลับตาพูด ฯลฯ
- ในกรณีสำเนียงของผู้เรียน ประโยคที่มีหลายภาษาปะปนกัน และสภาพแวดล้อมที่มีเสียงรบกวน การรักษาความแม่นยำของ STT เป็นเรื่องยาก
- ใช้ Gemini Flash, Whisper, Scribe, GPT-4o-transcribe ร่วมกันเพื่อรักษาการไหลของบทสนทนา
- คำศัพท์ใหม่ที่เรียนรู้จากแชตเสียง AI จะเชื่อมต่อกับ สมุดคำศัพท์ และแฟลชการ์ดแบบ SRS
- ใช้เพื่อปรับปรุงคลังคำศัพท์และทักษะการพูดอย่างรวดเร็ว
- สร้าง หลักสูตรเฉพาะบุคคล ให้เหมาะกับเป้าหมาย ความสนใจ และความชอบของนักเรียนแต่ละคน
- สามารถปรับแต่งการตั้งค่า เช่น ความเร็ว การสลับตาพูด และระดับความเป็นทางการได้
- มี เดโม ให้ดู
- ทำงานได้บนเว็บ, iOS และ Android หลังทดลองฟรี 20 นาที ราคาจะอยู่ที่ 20~29 ดอลลาร์ต่อเดือน ขึ้นอยู่กับระยะเวลาและภูมิภาค
1 ความคิดเห็น
ความคิดเห็นจาก Hacker News
อยากบอกว่าเห็นด้วยว่าการเรียนภาษาจำเป็นต้องมีนวัตกรรม
ฉันลองเรียนภาษากรีกระดับเริ่มต้นบนเว็บแอปแล้ว รู้สึกว่าประสบการณ์ดีกว่าโหมดเสียงของ ChatGPT หรือ Gemini
แต่พอผ่านไปประมาณ 5 นาที ก็เริ่มสับสนว่า AI tutor ไม่เข้าใจแผนการเรียนเฉพาะของฉันหรือจุดที่ฉันติดขัด
ตัวอย่างเช่น มันถามถึงงานอดิเรก แล้วก็พูดประโยคภาษากรีกยาว ๆ เกี่ยวกับการเดินเขาบนภูเขาทันที
ในฐานะมือใหม่สุด ๆ ฉันไม่สามารถตอบประโยคนี้ได้ แถมแม้แต่จะพูดตามยังยาก
ฉันไม่รู้ด้วยซ้ำว่าตอนนี้ควรทำอะไร
ถ้าเป็นครูจริง ๆ ก็คงจะพูดซ้ำบางส่วน แปลให้ หรืออธิบายเพิ่มเติม
แต่ AI tutor แค่รอให้ฉันพูดอะไรสักอย่าง แล้วก็เผลอเปลี่ยนไปคุยเรื่องวันหยุดริมทะเลแทน
ถึงอย่างนั้นก็ยังรู้สึกว่ามันดีกว่า AI แบบเดิม ๆ เลยตั้งใจว่าจะลองอีกครั้ง
มันไม่ได้ต่างจากโหมดเสียงขั้นสูงของ ChatGPT มากนัก และฉันต้องเป็นฝ่ายพาบทสนทนาไปเอง เลยให้ความรู้สึกค่อนข้างสุ่มโดยรวม
สุดท้ายก็วนอยู่แต่กับหัวข้อที่คุ้นเคย ทำให้ความหมายของการฝึกยิ่งลดลง
ฉันคาดหวังแผนการเรียนแบบมีไกด์ที่เป็นระบบมากกว่า เพื่อช่วยขยายไปสู่ขอบเขตและทักษะใหม่ ๆ
เพราะผู้สอนที่เป็นมนุษย์ใช้เวลาหลายปีออกแบบหลักสูตรอย่างเป็นระบบ จึงมีตรรกะมากกว่าสิ่งอื่นทั้งหมด
โดยเฉพาะคอร์สภาษากรีกที่ยอดเยี่ยม ไม่มีโฆษณาและฟรีทั้งหมด
ขอแนะนำอย่างมั่นใจว่าเป็นเครื่องมือเรียนภาษาที่ดีที่สุดที่ฉันเคยใช้
https://www.languagetransfer.org/
พอฉันโกหกว่าอังกฤษเป็นภาษาแม่ มันก็ทำงานต่อได้ตามปกติ
แต่กลับเรียกฉันว่า Anton แทนที่จะเป็นชื่อที่ฉันกรอกไว้
นัยยะว่าฉันพูดตะกุกตะกักหรือกำลังลำบากหายไปหมดในขั้นตอนแปลงเป็นข้อความ
บทเรียนแบบสคริปต์ยอดเยี่ยม แต่โหมดสนทนา AI ลืมระดับคำศัพท์และไวยากรณ์ที่เรียนมา แล้วคุยด้วยสำนวนไปเลย
สุดท้ายก็หมดความสนใจและเลิกใช้
ฉันใช้ Duolingo ไม่ได้เลยเพราะ gamification หนักเกินไป แอปนี้ลดเรื่องนั้นลงเลยรู้สึกขอบคุณ
สงสัยว่าสลับระหว่างภาษาแม่กับภาษาเป้าหมายได้อย่างเป็นธรรมชาติไหม และระหว่างสนทนาจะถามเป็นภาษาอังกฤษได้หรือเปล่า
ถึงขั้นมีงานวิจัยเกี่ยวกับ global optimization ออกมาเลย
ตัวชี้วัดการเรียนหรือการผลิตคอนเทนต์ทำได้ง่าย แต่ยังไม่มีใครสร้างลูปที่ปรับให้เหมาะกับผู้เรียนแต่ละคนได้จริง
แม้แต่ใน Duolingo ต่อให้กด “ฝึก” ก็ไม่เห็นพัฒนาอะไร และเจอแต่ Bread and water เดิม ๆ ซ้ำไปซ้ำมา
ฉันยังไม่ไว้ใจ TTS (การสังเคราะห์เสียง) เต็มร้อยสำหรับการเรียนภาษา
การออกเสียงผิดอาจถูกซึมซับไปโดยไม่รู้ตัว และเราอาจไม่รู้เลย
ในคอร์สภาษาญี่ปุ่นของ Duolingo ฉันนึกว่าเป็นเสียงบันทึกจริง แต่
oyoguกลับถูกสังเคราะห์ออกมาเพี้ยน ๆ คล้ายoyNHYAOguถ้าเป็นมือใหม่ก็น่ากลัวว่าจะเลียนแบบความผิดพลาดนั้นไปตรง ๆ
แน่นอนว่าถ้าใช้เวลาคลุกคลีกับภาษานานขึ้น ความผิดพลาดก็แก้ได้ แต่การเรียนผิดตั้งแต่แรกต้องใช้แรงแก้มากกว่า
ยิ่งภาษาญี่ปุ่นที่ pitch accent สำคัญ เรื่องนี้ยิ่งใหญ่ เพราะหลายแหล่งข้อมูลและหลายคนมองข้ามมัน
ตัวอย่าง:
imaสามารถหมายถึง “ตอนนี้” หรือ “ห้องนั่งเล่น” ได้ต่างกันตามระดับเสียงของพยางค์ที่สองปัญหานี้อาจยิ่งรุนแรงในภาษาที่มีคำจีนจำนวนมากอย่างภาษาญี่ปุ่น
ตอนนี้มีติวเตอร์ภาษาญี่ปุ่นบางรายใช้เสียงนั้นอยู่ และ pitch accent ก็แทบจะสมบูรณ์แบบ
บางครั้งยังมีการอ่านคันจิผิดหรือ misreading อยู่บ้าง แต่ถ้า furigana ต่างไปก็จะสังเกตได้ทันที
ฉันเองก็ทำแอปเรียนภาษาและได้ลองใช้ TTS จากหลายเจ้า (11labs, OpenAI, play.ht, Azure, Google, Polly ฯลฯ) แต่หนึ่งในสามประโยคมักมีข้อผิดพลาด
ใช้เวลาประมาณหนึ่งสัปดาห์กว่าจะแก้ได้ และตอนนี้อยู่ในสภาพที่ไม่มีข้อผิดพลาดแล้ว
ปรากฏการณ์นี้หนักเฉพาะภาษาญี่ปุ่น ส่วนภาษาวรรณยุกต์ส่วนใหญ่เรื่องโทนยังถูกต้อง
เรื่องความเป็นธรรมชาติฉันอาจไม่มีคุณสมบัติพอจะตัดสิน แต่ก็ไม่เคยเจอจังหวะเพี้ยนร้ายแรงแบบภาษาญี่ปุ่นในภาษาอื่น
แต่ TTS โดยรวมยังคุณภาพไม่พอในแทบทุกภาษา
แต่ละภาษามีวิธีเน้นพยางค์ไม่เหมือนกัน
ภาษาสเปนสำคัญที่ความยาวสระ ไอซ์แลนด์สำคัญที่ความดัง ภาษาอังกฤษคือความยาว+ความดัง ส่วนสวีเดน/ญี่ปุ่นสำคัญที่ระดับเสียง
แม้แต่ภาษาอังกฤษ ถ้าเน้น stress ผิดก็สื่อสารกันไม่ได้
ภาษาญี่ปุ่นยิ่งพิเศษเพราะมีคำพ้องเสียงเยอะ และความหมายเปลี่ยนตาม pitch
จึงจำเป็นมากที่จะต้องได้ระดับเสียงที่ถูกต้อง
แอปนี้เป็นประสบการณ์ที่ดีที่สุดจริง ๆ
การคุยกับคนอาร์เจนตินาไหลลื่นเป็นธรรมชาติมาก
ฉันอยู่บัวโนสไอเรสมากกว่า 18 ปีแล้ว เรื่องการออกเสียงและน้ำเสียงก็ค่อนข้างดี
แต่พื้นฐานไวยากรณ์ยังมีรูโหว่เยอะ แอปนี้ช่วยเกลารายละเอียดพวกนั้นได้แม่นมาก
ใน UX บน iOS ตอนเปิด settings modal ปุ่มปิด (CTA) มองเห็นได้ไม่ค่อยชัด น่าเสียดาย
สีของสถานะปุ่ม settings ตอนกดกับตอนปิดใช้งานแทบไม่ต่างกัน
วิธีแก้: เพิ่มปุ่มปิด X ที่มุมขวาบน และเปลี่ยนสีเมื่อมีการกด
ถ้าต้องการ feedback ด้าน UX เพิ่มเติม ยินดีให้ติดต่อมาที่ visualsitemaps.com
ฉันลองใช้เพื่อเรียนภาษาเวียดนาม แต่คุณภาพบทเรียนต่ำมากและมีข้อมูลผิดด้วย
การอธิบายว่าเวลาผู้ชายอ้างถึงตัวเอง
Anh mệtถูกต้อง แต่Em mệtเป็นของผู้หญิงนั้นผิดAnhหมายถึงผู้ชายที่อายุมากกว่า ส่วนEmใช้กับคนที่อายุน้อยกว่าไม่ว่าจะเพศใดผู้หญิงหลายคนอาจชอบใช้
Emเพราะอยากดูอ่อนกว่าวัยจริง แต่ผู้ชายวัยหนุ่มก็ใช้Emได้เช่นกันถ้าเป็นติวเตอร์ที่ดีควรอธิบายบริบทตามอายุและความสัมพันธ์
ยังมีข้อผิดพลาดที่พูดประโยคภาษาอังกฤษด้วยสำเนียงเวียดนาม
บางครั้งก็ให้ประโยคที่ยากเกินระดับฉัน หรือถ้าฉันขออะไรบางอย่าง โฟกัสก็หลุด
แม้ภาษาเวียดนามใต้จะใช้แพร่หลายกว่า แต่ติวเตอร์กลับมาจากเวียดนามเหนือ
ระบบรู้จำเสียง (STT) ก็ใจกว้างเกินไปกับการออกเสียงผิด หรือแยกอังกฤษกับเวียดนามไม่ออก
ตัวอย่างเช่น
Phaiถูกฟังเป็นbyeฉันคาดหวังไว้มากเพราะถูกกว่าเยอะและเรียนได้โดยไม่ต้องนัดเวลา แต่ยากจะเชื่อถือความแม่นยำ
ตอนนี้เลยจ่ายเดือนละ $160 ให้ติวเตอร์ชาวเวียดนาม คิดคาบละ $20
ขอบคุณที่ช่วยชี้ปัญหา
ยิ่งทำให้รู้สึกว่าต้องการแพลตฟอร์มเรียนภาษาที่ดีจริง ๆ
เห็นด้วยว่าฟีดแบ็กนี้ตรงประเด็นมาก
ผมทำเครื่องมือช่วยฝึกประโยคพื้นฐานอยู่และอยากขอฟีดแบ็ก https://envn.app
ฉันลองกับภาษาญี่ปุ่นแล้วค่อนข้างอึดอัด
ทั้งที่เป็นมือใหม่ ติวเตอร์กลับคุยเป็นภาษาญี่ปุ่นล้วน แม้ฉันจะบอกหลายครั้งแล้วว่าไม่เข้าใจ
ต่อให้ขอให้ค่อย ๆ เปลี่ยนจากอังกฤษไปญี่ปุ่น มันก็พูดอังกฤษแค่ประโยคเดียวแล้วกลับไปญี่ปุ่นทันที
สำหรับคนระดับกลางขึ้นไปที่มีพื้นฐานพอ มันอาจมีประโยชน์ในฐานะเครื่องมือฝึกสนทนา แต่ยังต้องการประสบการณ์ที่ดีกว่านี้สำหรับผู้เริ่มต้นแท้ ๆ
เมื่อโมเดลรองรับ multimodal แล้ว ก็น่าจะใช้สื่อภาพอย่างจริงจังได้ด้วย
ขอเสนออีกอย่างว่าถ้าแสดงภาษาญี่ปุ่นที่บันทึกไว้เป็นอักษรโรมัน (rōmaji) ได้ทันทีจะดีกว่า
พูดตามตรง ตอนนี้โฟกัสหลักคือผู้เรียนระดับ B1 ขึ้นไป
ถ้าผู้เริ่มต้นจริง ๆ ต้องการการเรียนแบบ 0→1 ตอนนี้อาจดีกว่าถ้าใช้สื่อแบบดั้งเดิม โดยเฉพาะสื่อที่ไม่ได้เน้นฟัง・พูดมากนัก
โหมดสนทนาเสียงแบบ hands-free ของแอปมือถือ ChatGPT ใช้งานได้ดีทีเดียว
แต่ถ้าไม่มีหัวข้อ บทสนทนาจะน่าเบื่อและวนอยู่แต่เรื่องเดิม ๆ
เพราะงั้นฉันเลยคัดลอกข่าวทั้งบทความพร้อมลิงก์ที่เกี่ยวข้อง แล้วบอกว่า “มาฝึกภาษาจากหัวข้อนี้กัน”
จากนั้นก็ใช้วิธีนี้ฝึกจริงระหว่างเดินเล่นเป็นเวลาครั้งละหนึ่งชั่วโมงในภาษาสเปน
ถ้าฉันต้องการ ฉันจะถาม ChatGPT ด้วยภาษาแม่เท่านั้น และให้อีกฝ่าย (แชตบอต) ตอบด้วยภาษาเป้าหมายเท่านั้น เพื่อโฟกัสการฝึกการฟัง
เลยสงสัยว่า Issen ปรับปรุงประสบการณ์แบบนี้ได้ดีขึ้นแค่ไหน
ความก้าวหน้าของโมเดลเสียงก็เร็วมาก
ผมรู้สึกว่าจำเป็นต้องมีประสบการณ์แบบครบวงจรที่ออกแบบมาเพื่อการเรียนภาษาโดยเฉพาะ เช่น หลักสูตรที่ปรับตามบุคคล, prompt, โมเดล AI สำหรับการรู้จำที่แม่นยำ, flashcard/พจนานุกรม เป็นต้น
เรามีโหมด hands-free และยังปรับแต่งปัจจัยต่าง ๆ ได้ เช่น สแลง ความเร็วการพูด และสัดส่วนการใช้ภาษาเป้าหมาย
ฉันลองฝึกรัสเซียแล้ว การฝึกเองถือว่าดี แต่สิ่งที่แอปเรียนภาษาทุกเจ้าขาดเหมือนกันคือความสามารถในการจับและแก้ข้อผิดพลาดการออกเสียงของฉัน
แค่พูดคล้าย ๆ ระบบรู้จำอัตโนมัติ (STT) ก็ปล่อยผ่านแล้ว
หวังว่าจะมีวันที่ AI สามารถ “ฟัง” การออกเสียงจริงของฉัน และจับได้ครบว่าผิดตรงไหนบ้างอย่างแม่นยำ
ตอนนี้ไม่ใช่แค่เรื่องสำเนียง แม้แต่รูปวิภัตติหรือการลง stress ของคำก็ยังตรวจไม่ออก
ถ้า AI พูดซ้ำให้ด้วยน้ำเสียงหรือรูปคำที่ถูกต้องก็ช่วยเรื่องการแก้ไขได้อยู่ แต่ยังให้ความมั่นใจแบบครูมนุษย์จริง ๆ ไม่ได้
ข้อเสนอด้านผลิตภัณฑ์: เพิ่มฟีเจอร์ปิด transcription (ซับ/ข้อความถอดเสียง)
โดยเฉพาะในบางภาษา การเห็นตัวอักษรกลับรบกวน หรืออาจกลายเป็นทางลัดสำหรับผู้เริ่มต้น
สุดท้าย ถ้ามีโครงสร้างบทสนทนาที่มุ่งเป้าหมายมากกว่าการคุยแบบสุ่มไร้ทิศทาง เช่น “อะไรใน AI ที่คุณสนใจที่สุด?” ก็น่าจะสนุกขึ้นมาก
โดยไม่ต้องพึ่ง gamification อาจใช้รูปแบบถกเถียง เช่น “ลองโน้มน้าวฉันในหัวข้อนี้สิ!” หรือเชื่อมกับประสบการณ์เฉพาะ เช่น “เป้าหมายสำคัญที่สุดในงานของคุณปีนี้คืออะไร?” เพื่อดึงความคิดเห็นและประสบการณ์จริงออกมา
ฉันคิดว่านี่เป็นผลิตภัณฑ์แรกที่เห็นแล้วรู้สึกว่าใช้งานจริงได้ ขอชื่นชม
ถ้าโมเดลเสียง→เสียงสุกงอมเมื่อไร น่าจะน่าตื่นเต้นมาก
ทั้ง OpenAI และ Gemini ก็มีความคืบหน้าเยอะ เราเลยวางแผนจะนำมาใช้เร็ว ๆ นี้
ฉันสงสัยว่าทำไมวิดีโอที่ต้องล็อกอินถึงดูได้แค่หลังเล่นครั้งแรก
ฉันเห็นฟีดแบ็กว่าตัวแอปมุ่งไปที่ผู้ใช้ระดับ B1 ขึ้นไป แต่ในเดโมวิดีโอกลับมีตั้งแต่ A1 ถึง C1
ไม่ค่อยมีผู้ใช้ที่ต้องการทุกระดับ A1~C1 พร้อมกัน และแต่ละระดับก็มีตลาดชัดเจนของตัวเอง จึงควรแยกให้ชัด
TTS ภาษาฝรั่งเศสดูเป็นธรรมชาติน้อยกว่าเสียงพื้นฐานของ ChatGPT
ถ้ามีภารกิจแบบ one-click ตามระดับผู้ใช้ เช่น อ่านข่าว-อภิปราย, นัยยะและการอนุมาน ฯลฯ น่าจะได้รับความนิยมมาก
โดยเฉพาะผู้ใช้จำนวนมากไม่รู้ตัวว่าคำพูดของตนยังขาด cohesion และถ้ามีโครงสร้างที่ชี้ให้เห็นว่านี่คือแกนสำคัญของ threshold proficiency ก็น่าจะช่วยได้จริง
แอปทำได้ดีมาก และฉันแนะนำต่อให้คนรอบตัวไปราวสิบกว่าคนแล้ว
มีคำถามอยู่ไม่กี่ข้อ:
เราทดสอบและจูนโดยเน้นภาษายอดนิยมก่อน
จากฟีดแบ็กผู้ใช้ เราได้ถอดภาษาที่มีปัญหาหนักออกไปจริง ๆ และยังมีบางภาษาที่เรายังตรวจไม่ทั่วถึง
ชนิดของเสียงขึ้นอยู่กับคุณภาพของบริการ TTS (Openi, 11labs, minimax ฯลฯ)
บางบริการไม่มีเสียงผู้ชาย หรือมีแต่เสียงผู้หญิงที่คุณภาพดี
เรามีแผนจะเพิ่มเสียงให้หลากหลายขึ้นในอนาคต
ที่ Sesame สามารถใส่เสียงจริงของผู้ใช้เข้าไปใน TTS เพื่อให้เข้ากับความรู้สึกและบรรยากาศของผู้ใช้ได้ แต่ตอนนี้เรายังใช้ TTS แบบสำเร็จรูปเท่านั้น
Sesame ยังมี latency ต่ำมาก ซึ่งสำหรับการเรียนภาษา กลับอาจเป็นข้อเสีย
เป้าหมายในอนาคตคือมอบประสบการณ์ที่อิงกับโมเดลเสียง-สู่-เสียงที่สุกงอมแล้ว