每个语言学习者现在都能拥有专属导师

学语言最好的方式，一直是一位有耐心的老师。而现在，每个人第一次都能拥有这样一位老师了。这会给学习者、老师和学校带来怎样的改变？

最难的部分是开口说

去问问任何学过第二语言的人，最难的是什么。大多数人会说是“开口说”。

上个月，我们做了一个专门练口语的 AI 老师。几十万人看着它教一个人用日语点咖啡。

https://x.com/wayne_liang_/status/2098119361894752627

很多转发来自日语母语者。一位家长说，他女儿之前放弃了用纯语音 AI 练英语，因为“没东西可看”，现在有了这个，她可能愿意再试试。还有人求着出台湾普通话版本。一位开发者只问了一句：“那么，我该做点什么？”

没人纠结它看起来够不够真实。他们就是想要。这正是口语练习一直缺少的东西：一个随时待命、支持任何语言、永远有耐心的陪练。而大多数学习者从来没有过这样的条件。

一个存在了 40 年的难题

1984 年，教育研究者 Benjamin Bloom 发表了他所说的“2 Sigma 问题”（2 Sigma Problem）。有一对一辅导的学生，成绩比课堂学生高出两个标准差。也就是说，接受辅导的普通学生，表现超过了 98% 的课堂学生。

Bloom, B. S. (1984). The 2 Sigma Problem. Educational Researcher, 13(6), 4–16. doi.org/10.3102/0013189X013006004

其实 40 多年来，我们早就知道最好的学习方式是什么。只是没法给每个人都配一位老师。

语言学习让这件事更难。你不可能靠课本学会说话。你需要桌子对面坐着一个人，听你说、给你回应、在你找词的时候耐心等你。最理想的情况是，这个人既懂你的母语，又懂目标语言，这样才能告诉你到底错在哪。但对大多数语言组合来说，这样的人很难找、要花钱，而且只在固定时间上班。更何况，在另一个人面前，每一个错误都像是在被盯着看。

于是，大多数学习者只能用手头有的东西：单词卡、App、语法练习。结果第一次遇到真人回应时，大脑直接一片空白。

今年发生了什么变化

三件事同时到来了。

能一边说一边听的语音模型。 你可以打断它、结巴一下、说到一半改主意，对话依然能继续。

一张能实时反应的脸。 它会点头、停顿，听到奇怪的话还会露出困惑的表情。这才是真实对话的感觉，也是纯语音练不出来的东西。

不断下降的成本。 实时练习曾经是奢侈功能。现在按分钟计费，而且每分钟还在变便宜。

我们的日语老师把前两点结合在了一起。我们把它作为 OpenAI GPT-Live 的首发合作伙伴之一打造出来，并配上了一张 LiveAvatar 面孔。试着点一杯咖啡，中途改主意看看：老师完全跟得上，会纠正你的发音，还会教你刚才想不起来的那个词。整个过程有点乱、节奏很快，甚至让人手心冒汗——就像真正的对话一样。

第三点变化，是我们投入精力最多的地方。当我们问客户是什么阻碍了他们时，答案不是“不够真实”，而是“如何在控制成本的前提下规模化”。所以我们花了六个月时间，让每一场实时会话的运行效率更高。结果是：所有付费套餐都支持无限并发，企业版套餐的每分钟成本低至 $0.01。完整的故事在这条帖子里：

https://x.com/TryLiveAvatar/status/2092281613682123061

质量决定一个老师好不好，成本决定谁能请得起老师。在这个赛道最大的 App 上，你已经能看到这一点了。Duolingo 曾坦言，口语练习是他们最大的短板。与 Lily 的视频通话功能让每个学习者开口的词汇量翻了一倍多；而随着 AI 成本下降，他们正把这些通话下放到更便宜的套餐里，让大约 10 倍的学习者能用上。

这会改变语言学习中每个人的处境：学习者、老师和学校。

对学习者的意义：凌晨 2 点也永远有耐心的老师

想象一下，有人周五要考雅思口语，签证能不能下来全看这次分数。现在是凌晨 2 点，老师早就睡了。考试是面对考官真人进行的，而这恰恰是他最怕的部分。

今晚，他可以完整地做一次模考。然后再来一次。

或者想象有人为了和伴侣的奶奶聊天在学韩语。他有一百个不好意思问真人的问题。“这句话怎么说才礼貌？”“不好意思，‘好吃’那个词怎么讲来着？”AI 老师听过所有问题，而且永远不会嫌烦。研究人员不断发现，用 AI 练习能即时降低口语焦虑，而正是这种焦虑让大多数人干脆不开口。

任何语言、任何口音、任何场景：东京的咖啡馆、伦敦的面试、和岳父母吃晚饭。你还可以挑一个合拍的老师：声音、性格、耐心程度都由你定。而且每次上线，它都能从你上次停下的地方接着来。

对老师的意义：更多教学，更少重复

随便问一位语言老师，他问过多少次“那么，你从哪里来？”

大量教学时间花在了重复劳动上：同样的热身问题、同样的纠错、同样的操练。这些很有必要，但并不是优秀老师真正擅长的部分。

AI 可以接管这些重复工作。老师则留住那些真正重要的时刻：文化里的微妙之处、学生想放弃时推他一把的那股劲、只有了解这个学生才能设计出的教案。学生来上课时已经热好身、打好了基础，这一个小时的真人教学效果自然更好。

哈佛商学院已经在跑这套模式了。在他们为期八周的创业者项目 Foundry 中，导师每周依然亲自授课。而在两次课之间，这些导师本人的 LiveAvatar 会给每位创业者的路演练习和模拟董事会会议提供反馈。这不是语言项目，但分工逻辑是一样的：老师负责教，数字人负责带练。

该项目负责人在接受《纽约时报》采访时表示，她最初设想的更接近聊天机器人。但学生们想要的是一种更有引导感的体验。其中一位导师、风险投资人 Jeff Bussgang 承认，自己的数字分身有点“瘆人”。但他的结论是：“我的学生爱死它了。”

对学校和机构的意义：终于能规模化的那一环

每所语言学校都在教口语。但很少有学校能给每个学生足够的练习量，因为口语练习需要桌子对面有个人，而学校的老师就那么多。

考试最能体现这个缺口。很多剑桥考试备考 App 根本没有口语部分。不是因为口语不重要，而是因为它需要一个真人考官，你没法把一个大活人塞进 App 里。

高利害关系的口语考试都需要真人坐在对面。雅思是面对面。面向医生和护士的英语考试 OET 是患者角色扮演。就连 TOEFL 2026 年的改版，也加入了一个“参加面试”任务，由视频里的真人提问。

口语一直是学校无法规模化的环节。现在，每个学生每天都能有一位考官；老师拿到的是文字记录和分数，不用再猜谁练了、谁没练。一位老师就能让整个班级每天都有口语练习。而以前请不起私教的学生，现在能得到和请得起的人一样的练习机会。

只要让学习者亲自试一次，转变就会发生得极快。我们合作的一家企业语言培训公司，一开始觉得 AI 数字人只是个噱头。后来他们在法国一场教育科技展会的展位上放了个 Demo，排队的人直接排到了门外。现在，他们有客户愿意专门为这个功能付更高的价格。

让这些怀疑者改变主意的不是宣讲，而是亲眼看到学习者的反应。

如果你正在做语言学习产品

过去几个月，我们和各类语言公司聊过，从成立 20 年的老牌机构到刚满 2 年的新 App。没有一家问“学习者为什么会想要这个”。他们问的是“从哪开始”以及“账怎么算得过来”。以下是我们给他们的建议。

1. 从你最怕的场景开始，而不是整个 App。 模考、面试、第一次真实对话。这是 AI 老师最先证明价值的地方。然后把它放到真实学习者面前。他们的反应比任何 PPT 都更能说服你的团队。
2. 让你现有的面孔活起来。 大多数语言产品里本来就有脸：幻灯片、演员实拍、预录视频。它们只是被冻住了，而且更新成本很高。起步不需要完美的数字人。学习者在意的是对话本身，不是像素；他们最先注意到的是声音，以及回应有多快。
3. 围绕使用量设计定价。 实时对话按分钟计费，不按功能计费。选一个适合你业务的模式，无论是练习点数、考试包还是高级会员，并做好每分钟成本持续下降的准备。等着它“足够便宜”再动手的团队会发现，竞争对手早就上线了。
4. 为老师而建，而不是绕开老师。 让 AI 处理重复劳动，把重要时刻还给真人。这样老师才会成为它的拥护者，而不是害怕它。

给开发者的链接：

• 开源仓库：https://github.com/heygen-com/liveavatar-gpt-live-demos
• 分步指南：https://docs.liveavatar.com/docs/guides/gpt-live-language-tutor
• Agent 快捷指令：npx skills add heygen-com/liveavatar-agent-skills，然后让你的编程 Agent “run the LiveAvatar language tutor demo with GPT-Live”

谁有机会说得流利

在历史上很长一段时间里，流利的语言能力只属于请得起老师、能出国生活，或者有勇气在众人面前丢脸的人。

这一切正在改变。每个学习者在任何时间、用任何语言，都能拥有一位有耐心的陪练。每位老师都能把时间省下来，去做只有他们能做的事。每所学校终于能大规模地教口语——这项最重要的技能。

今晚的某个角落，有人正在第十次用日语点咖啡，点到一半改了主意，然后又重来一次。很快，他就会在现实中真正点出那杯咖啡。

开口说依然是最难的部分。但现在，没人需要独自练习了。