Abigel.ai Teacher: beszélgetés-alapú nyelvtanulás AI-tanárral

Az Abigel.ai Teacher abból a megfigyelésből született, hogy a nyelvtanulók többsége nem a nyelvtannal, hanem a megszólalással küzd. Aki egy éve tanul spanyolul, gyakran tud olvasni, de nem mer rendelni egy étteremben. Egy hangalapú AI-tanár pontosan ezt a helyzetet gyakoroltatja: beszélni kell, valós időben, és a hibákra rögtön jön visszajelzés. A termék a abigel.ai/teacher oldalon érhető el, és a DIMOP Plusz pályázati projektünk második terméke.

Mi az, amit a tanár tud

A Teacher 26 nyelven tanít, és a tanuló szintjéhez igazodik az A1-től a B2-ig. A szint nem csak a szókincset állítja: az A1-en a tanár lassabban, rövidebb mondatokban beszél, gyakran visszakérdez, és megengedi, hogy a tanuló az anyanyelvén kérjen segítséget; B2-en már természetes tempóban, összetettebb fordulatokkal folyik a beszélgetés, és a tanár kevesebbet segít, többet javít.

A tanulás szcenáriók köré szerveződik. A katalógusban valós élethelyzetek vannak: bejelentkezés egy szállodába, orvosi időpontkérés, állásinterjú, panasz egy vásárlás miatt, útbaigazítás kérése, beszélgetés egy szomszéddal. Minden szcenáriónak van célja (mit kell elérni a beszélgetés végére), és a tanár szerepet játszik: ő a recepciós, az orvos asszisztense, az interjúztató. A tanuló nem szódolgozatot ír, hanem egy helyzetet old meg.

Azonnali visszajelzés és javítás

A beszélgetés közben a tanár kétféleképpen javít. A kisebb hibákat (ragozás, szórend, névelő) a saját válaszába szőve, helyesen ismétli vissza, ahogy egy jó tanár teszi, anélkül hogy megakasztaná a beszélgetést. A nagyobb hibáknál vagy a nem érthető mondatoknál megáll, és röviden elmagyarázza, mi volt a gond.

A beszélgetés végén részletes összefoglaló készül: a tanuló mondatai, a javított változatuk, a visszatérő hibatípusok, és néhány kifejezés, amit a következő alkalommal érdemes használni. Ez az összefoglaló idővel egy személyes hibanaplóvá áll össze, amelyből látszik, mi javult és mi nem.

KIDS mód

A gyerekeknek szánt mód külön kialakítást kapott. A tanár hangja és stílusa játékosabb, a szcenáriók rövidebbek és mesésebbek (állatkerti látogatás, egy elveszett játék keresése), a visszajelzés pedig mindig bátorító, a javítás nem hibaként, hanem “így is lehet mondani” formában jelenik meg. A KIDS módban a tartalom szigorúan szűrt: a tanár nem lép ki a szcenárióból, és nem beszél olyan témáról, amit a szülő nem engedélyezett. A szülő a saját fiókjából látja a gyerek beszélgetéseit és haladását.

Tanári csomag, tanulócsoportok, ranglista

A nyelvtanárok számára készült csomagban egy tanár több tanulót kezelhet. A tanár kiadhat szcenáriókat házi feladatként, láthatja a tanulók beszélgetéseinek összefoglalóit és hibanaplóját, és ezek alapján tudja, mire érdemes a következő órán időt szánni. Ez nem helyettesíti az élő órát, hanem kiegészíti: a beszédgyakorlás, ami az órán a legdrágább, mert egyszerre egy tanuló beszélhet, itt párhuzamosan és korlátlan ideig megy.

A csoportokon belül ranglista mutatja a gyakorlással töltött időt és a teljesített szcenáriókat. A ranglistát tudatosan nem a “hibátlanságra” építettük, mert az a megszólalás ellen dolgozna; a gyakorlás mennyiségét és a haladást jutalmazza.

Hogyan lett a recepciósból tanár

A Teacher fejlesztésénél a legnagyobb nyereség az volt, hogy a hangpipeline-t nem kellett újra megépíteni. A Virtual Assistantban már megvolt a streaming beszédfelismerés, a tokenenként streamelt nyelvi modell, a mondatrészenkénti beszédszintézis, a barge-in (a tanuló közbevághat), a hívó nyelvének felismerése és a több szolgáltatós fallback. Ugyanez a pipeline fut a Teacher alatt is, csak a kliens más: telefon helyett böngésző és mobilalkalmazás, SIP helyett WebRTC.

Ami új volt:

• a tanári réteg: a nyelvi modell külön “javítói” szerepet kapott, ami a tanuló mondatát a válasz előtt elemzi, és strukturáltan adja tovább a hibákat, hogy azok az összefoglalóba is bekerüljenek;
• a beszédfelismerés hangolása tanulói kiejtésre: a recepciós anyanyelvi beszélőkre volt optimalizálva, a tanuló viszont hibás kiejtéssel, akcentussal, félbehagyott mondatokkal beszél, és a rendszernek ezt nem “kijavítania”, hanem pontosan átírnia kell, különben a tanár nem látja a hibát;
• a szintezés: a tanár válaszainak hosszát, tempóját és szókincsét a beállított szint szabályozza, és ezt nem csak a prompt, hanem a TTS sebessége is követi;
• a szcenárió-motor: a katalógus elemei strukturált leírások (szerepek, cél, elvárt fordulatok, tipikus hibák), amelyekből a beszélgetés indul, és a cél teljesülését a rendszer a beszélgetés végén ellenőrzi.

Két terméket ugyanarra a valós idejű alapra építeni számunkra a legfontosabb tanulság: a hangpipeline egy infrastruktúra, és ha jól van szétválasztva a felhasználási esettől, a következő termék nagyrészt már csak tartalom és szabályok kérdése.