科技日报记者 罗云鹏
对于市面上排名靠前的通用大模型，梨花文化做过内测，十几个普通话水平一般的用户录下同一首诗，放在通用大模型里，音频识别的错误率飙到没法用。
“经过那一轮测试，我们确认了一件事。”梨花文化产品负责人林中翘9月10日表示，“通用大模型解决不了我们的问题。”
2026年AI行业不缺大模型，隔几周就有刷榜消息。林中翘觉得，模型天花板早不是瓶颈。“大模型不缺了，缺的是真正能够落到场景的产品。”
手握大量“长”在垂直场景里的真实数据，如何用AI为用户文化素养赋能，覆盖朗诵、声乐等小场景？
林中翘的办法是反过来：先拆解用户练习中的具体问题，再看哪些能用AI解决。
由此，三个问题“浮出水面”——不知道练得好不好、练习缺陪伴、水平差异大。这也对应起AI测评、AI声音陪练师、AI导师三个功能的肇始。
林中翘及团队最先啃的硬骨头是AI测评。让AI“听懂”声音远不止语音转文字，得判断普通话、气息、发声位置、咬字、情感、节奏。这些维度传统教学都有，但没人把看不见的声音变成分数。
梨花从4.8亿份声音样本中提取特征，训练出专门模型，系统整合75种测评算法，发音错误识别准确率99.2%，内部叫“声音CT”，几秒给出诊断，精确到哪个音节哪个指标有问题。
“通用模型做不了这件事。”林中翘说，“因为它没有垂直数据，不知道这个群体的声音特征分布长什么样。”模型是基础设施，真正成壁垒的是垂直数据和对场景的理解。
测评解决“练得怎样”，AI陪练师接着需要解决纠错，实时反馈哪里气息断了、哪个音节有含糊。
但林中翘发现，反馈准不准只是及格线，决定使用者留不留的是反馈方式。
“一个五十多岁的人，刚鼓起勇气练了一段，AI上来给他列一屏的错误，红色标注密密麻麻。他什么感受？”林中翘说，“觉得自己太差了，不想练了。”
这也逼着团队想技术之外的事：AI该用什么语气说话。答案落在自研的“26维人格情感伴学大模型”上，不光说对的话，还得用对的方式说。
“我们调研了很长时间，才理解对于很多用户来说，AI陪练师的第一优先级不是专业度，是情绪安全感。”林中翘说，“得让使用者先觉得这个东西不会伤害他，才愿意持续用它。”
林中翘把很多时间花在用户端，看哪种反馈带来更高频次，哪种让人流失。在他看来：“做AI产品最危险的心态，是觉得技术够好就行了。技术是底层，但产品最终对着的是人。”
这也指向应用层。梨花的AI产品已覆盖“学—练—评—创秀—展演”完整链路，每个环节都有AI起作用，但没哪个是纯AI在做，AI负责效率、规模和陪伴，人负责补齐、温度和判断。
目前，用户每天使用梨花文化的AI产品，所调用的词元成本超200万元，达到大规模AI业务的消耗水平。高投入之下，产品也交出亮眼成绩单：以AI声音陪练师为例，目前已经服务用户超过60万，日均互动26万次，用户满意度98%。
林中翘说：“在用户的椅子上坐下来，用他的耳朵去听，用他的手指去点屏幕，用他的心情去感受每一条AI反馈，这大概就是懂场景。”
（王蒙 摄）
网友评论
