在线下课堂，老师和学生之间的互动频率非常高，而在线上，各个公司目前的直播课产品互动频率都非常低。在作业帮直播课小学产品负责人曹越看来，这个问题的核心原因是缺少一个高频互动的方式。因此，作业帮研发团队对其小学直播课产品中的集体发言功能进行了升级。
项目背景
据了解，作业帮第一代大班课基于 RTMP 技术实现，特点是大部分时间都是单向直播，老师在授课过程中和学生有一些简单互动，比如文字聊天、是否卡、答题卡之类的，互动不及时，延时普遍在 3 秒以上。
在运营大班课的过程中，作业帮发现低年级学生有特别强的互动需求，比如英语课就需要大量口语互动。而且多互动交流，也有利于低年级学生在课堂上更加专注学习。作业帮在 2019 年启动了“小组课”的开发，“小组课”是把一个几千人的大班分成 6 个人一个小组的小班，小组成员之间的互动和第一代大班相比更加频繁和多样。
在“小组课”第一期，作业帮就加入了集体发言功能，集体发言第一期的形式是老师提问，学生用语音回答，语音识别系统会把学习语音自动转换成文字或者分数，再发送给同组学员和老师。集体发言功能上线使用一段时间后，从学生和主讲老师、辅导老师那边收到反馈，他们均有强烈需求要听到对方的真实声音，因此作业帮在 2020 年中启动了集体发言二期的开发，并于 2020 年寒假课全量上线使用。集体发言二期主要解决了同组学员之间，老师和学生之间的语音互动功能。
核心技术
“接到这个项目需求时，凭我多年做音视频的经验，就知道这个项目是一个棘手的活。”因为，作业帮 APP 的用户设备大都为学生家长淘汰下来的手机，还有很多学习平板，这类机型性能较差，安卓系统版本较低，兼容性很不好做。为了解决用户设备的适配问题，在两个月的时间里，团队把公司所有机型都借来，包括同事的个人机，做了几百种机型的适配。
另外，有些学生上课时的环境很嘈杂，从后台甚至能看到有些学生在菜市场、医院或者汽车上看直播课。集体发言功能需求 6 个小组成员都是互通语音，其中只要有一个成员的语音有问题，就会影响其它五个人的上课效果。主讲端也会听到学生的声音，如果刚好听到声音很嘈杂的学生，就会影响老师的上课效果。
考虑对课堂效果风险的控制，作业帮的技术团队尝试了多种解决方案。对于常见的噪音，技术团队主要通过算法消除的方式解决。那些并不常见的噪音也可以通过编写特定算法，将异常设备的音量暂时降低等进行处理，并通过该系统不断迭代去优化声音。
据介绍，传统的噪音消除只能消除白噪音之类特征很明确的噪音，为了解决像汽车声音，菜市场噪音之类特定的噪音，团队引入了机器学习技术，自己训练了噪音消除库，训练数据主要来自回放视频，部分训练数据是组员亲自找到特定场景录制的。因为老师和学生的使用环境不一样，所以还针对老师和学生分别训练了不同的噪音消除库。
另外还要重点说下回音消除功能，集体发言功能的声音来源有很多，很容易产生回音。目前 iOS 平台的回音消除兼容性很好，在 iOS 平台下直接使用了自带的回音消除。PC 平台的回音消除大部分情况下工作都还不错，只有在 CPU 占用率很高的情况下容易出问题。最麻烦的是安卓平台，安卓平台机型特别多，兼容性很差，为了解决这个问题，团队测试了大量安卓机型，采用白名单策略，如果某款机型硬件回音消除很好，就优先使用硬件回音消除，不在名单中的机型则使用软件回音消除。
如果学生侧网络不好对该功能也有一定影响，毕竟多了几路语音，还是会占用一定带宽。作业帮自研的 ZRTC 在弱网方面的技术主要有丢包重传和 FEC，这是一款通用抗弱网技术，不是为该功能专门优化的，但可以起到很好的作用。
2021 年寒暑假，集体发言二期功能全量使用。寒假课结束后，团队邀请了部分用户做了问卷调查，学生满意度和参与度都比第一期有了重大提高。
未来发展
在作业帮产研团队看来，好的产品并非一蹴而就，产品打磨和技术支持缺一不可。评定教育产品好坏的标准要看是否真正赋能教育，技术的不断升级俨然能让产品发挥更大的效用。未来，团队计划在语音方面主要迭代以下几个方面：继续完善机型适配，每年都会出现很多新机型，所以这个工作不能停，团队会一直做下去；以月为周期训练噪音消除库，让噪音消除库适应性更好；尝试新的语音编码，比如最新很火的谷歌开源语音编码 Lyra 等。
随着 5G、人工智能、虚拟现实、增强现实等技术的成熟和应用，在线教育的形态和服务形式也在不断升级。而以人工智能技术驱动的自适应个性化学习，将是教育领域最具潜力的应用场景。
