夜雨聆风10.1 核心理念
Tell Me More 最核心的想法，是让计算机能够像老师那样纠正学习者的发音。这个目标在 1980 年代末显得相当大胆——当时语音识别主要停留在实验室里，个人电脑的运算能力也非常有限。但法国公司 Auralog 的工程师们还是决定尝试。他们研发出一套名为 S.E.T.S（Spoken Error Tracking System）的系统，让普通用户可以在家用电脑上录制自己的发音，看到与标准发音的波形对比，获得即时反馈，甚至观察 3D 口型动画。这成为语音技术从实验室走向商业化语言学习产品的重要一步，也标志着计算机从单纯的“内容展示”转向能够“提供反馈”的角色。
【公司史注记】Auralog 的创业故事
Nagi Sioufi 纳吉·修菲的远见
1987 年的法国，纳吉·修菲（Nagi Sioufi，也拼作 Siouffi）开始思考一个问题：语音识别这项正在萌芽的技术，究竟能用在什么地方？
修菲对技术与市场的结合有敏锐的判断。他认为，随着硬件性能的提升和算法的改进，语音识别迟早会进入普通人的日常生活，而语言学习是这项技术最自然的应用场景。于是他组建团队，招募程序员、语言学家和设计师，在一间狭小的办公室里开始了漫长的研发。
从语音技术到语言教学
Auralog 的早期岁月充满困难。工程师们从零开始构建多语言语音数据库，录制各国母语者的标准发音，并开发专用的数字信号处理库，以便在性能有限的硬件上实现实时处理。最关键的技术突破，是他们放弃了通用的语音识别，转而专注于发音评分——系统不需要理解用户说了什么，只需要判断用户的发音与标准发音的相似程度。这个简化使得语音分析在当时个人电脑上变得可行。据修菲在 2006 年接受采访时透露，过去十年中，公司为 75 人的研发团队投入了近 3000 万欧元的资金。
1990 年代初，Auralog 推出了早期的语音识别语言学习产品，先是 Aura-lang，随后发展为 Talk To Me，并在 90 年代中后期形成了成熟的 Tell Me More 产品线。
Tell Me More 的诞生与成长
Tell Me More 在 90 年代中后期逐渐成熟，成为功能完备的语言学习软件。产品很快在欧洲市场获得成功，被广泛用于法国的教育体系和语言教学场景，并多次得到官方教育机构的认可。用户第一次体验到，对着麦克风说一句话，屏幕上就能显示自己的发音波形，并用红色标出错误位置。这在当时是前所未有的。
随着口碑传播，Auralog 开始进入国际市场：1994 年进入德国，1996 年进入美国，1998 年进入日本和中国。产品被翻译成十多种语言，用户遍布全球。
从 1987 年到 1993 年，公司销售额不足 100 万欧元。第一次增长高峰出现在 1994 年至 2000 年间，销售额猛增到 1000 万欧元，主要来自多媒体光盘市场；第二次高峰在 2000 年之后，销售额达到 1500 万欧元，增长主要来自于远程教学和企业市场。
企业市场的拓展
Tell Me More 引起了大企业的注意。根据 Auralog 官方资料及互联网的记载，其客户包括 GE、通用汽车、惠普、DHL、菲亚特、迪士尼、美国运通、壳牌、法国航空、阿尔卡特、飞利浦、索尼、雀巢等跨国公司。这些案例反映了产品在商业市场的认可度。
在中国市场，Auralog也一度加大投入，将中国市场的销售额目标占比从全公司销售额的 4% 提升到 20%，并建立了一支 30 至 50 人的中国本地团队。
被收购的命运
2000 年代后期，随着互联网的普及和移动设备的兴起，语言学习市场发生了深刻变化。免费应用大量涌现，订阅模式逐渐取代光盘销售，Auralog 面临转型的挑战。2013 年，Auralog 被美国教育科技公司 Rosetta Stone 以约 2800 万美元收购，Tell Me More 品牌慢慢淡出了主流市场。不过，它的技术遗产并未消失——其核心设计思想，比如发音评分与可视化反馈，已经被现代语言学习应用广泛继承。
10.2产品设计原理：S.E.T.S 系统
S.E.T.S 的设计思想
Tell Me More 的核心是 S.E.T.S，即 Spoken Error Tracking System（口语错误追踪系统）。这套系统在 1999 年的 Talk To Me 产品中已经得到成熟应用，是当时少数实现商业化的语音纠错系统之一。它的设计思路可以概括为一句话：让发音错误变得可见。
传统教学中，老师纠正发音只能靠语言描述，比如“你的舌头应该放在上齿后面”或者“嘴唇要更圆一些”。这些描述对初学者来说往往难以理解。S.E.T.S 的目标是让用户直接“看到”自己的错误，从而更容易理解和纠正。
这一设计基于三个假设：第一，将用户发音与标准发音并排对比，用户能直观地感知差异；第二，不仅要告诉用户“错了”，还要指出“错在哪里”；第三，用图形化的方式呈现发音特征，让抽象的声音变得具体。
发音波形对比与错误定位
S.E.T.S 最基本的实现是波形对比。当你对着麦克风说一个句子时，你的声音被转换成数字信号，形成一条波形曲线——振幅随时间变化的轨迹。软件中预先录制了标准发音的波形。S.E.T.S 的任务，就是将你的波形与标准波形进行对比，找出两者的差异。
但直接对比波形是行不通的。因为即使同一个人说同一个词，每次的波形也会有细微差别（语速、音高、音量的变化）。直接对比会误报大量错误。
S.E.T.S 采用了一种更聪明的方法：它先将波形转换成一系列特征向量。这些特征提取了声音的关键属性：音高、音强、共振峰频率等。这些特征对语速和音量的变化不那么敏感，更能反映发音的本质。
然后，系统需要对两个特征序列进行时间对齐。因为用户可能说得快或慢，标准发音的每个音素不一定与用户的发音一一对应。S.E.T.S 使用动态时间规整（ DTW）算法， 找到两个序列的最佳匹配路径。
对齐之后，系统就可以逐帧对比两个特征序列。如果某个时间段的特征差异过大，系统就判定那里存在发音错误。
更精妙的是，S.E.T.S 能定位错误的具体位置。比如用户说“cat”时，可能把元音发得不够饱满，系统会在波形图上标出这个元音的部分，用红色高亮显示。用户可以点击高亮区域，听到标准发音，再对比自己的发音，反复练习。
评分机制
S.E.T.S 的评分采用 1 到 7 级制（7 为最高分），难度可以调节。评分维度包括音素的准确度、重音位置、语调曲线和节奏流畅度等。用户可以根据自己的需求设置学习目标，系统会给出对应的综合评分。用户可以查看每个维度的分数，了解自己哪方面需要加强。
10.3 核心优势
与传统教学的数据对比
Auralog 委托第三方研究机构进行过多项对比研究。其中一项研究比较了三组学习者：
•A 组：使用 Tell Me More 学习，每天 1 小时，共 3 个月。
•B 组：参加传统课堂教学，每周 2 次课，共 3 个月。
•C 组： 自学，使用教材和录音带。
结果显示，3 个月后，A 组学习者的发音准确度显著优于 B 组和 C 组。在音素级别的测试中，A 组的错误率比 B 组低 35%，比 C 组低52%。在语调自然度评分中，A 组得分平均高出 B 组 28%，高出 C 组 45%。
研究者认为，差异的原因在于：A 组获得了即时、精确的发音反馈，而 B 组和 C 组只能依靠模糊的自我感觉或有限的课堂反馈。
500 强企业的选择
Tell Me More 最有力的背书，是 GE 、Disney 、Ford 、BMW 等全球 500 强企业的选择。
以 GE 为例，公司需要为分布在全球各地的员工提供英语培训，传统的课堂培训成本高昂，且难以覆盖所有员工。Tell Me More 的软件解决方案，让员工可以在自己的电脑上学习，随时随地进行发音练习。GE 的培训负责人表示：“Tell Me More 不仅节省了培训成本，更重要的是，员工的发音改善速度比传统培训快得多。”
Disney 则将 Tell Me More 用于国际员工的英语培训。在奥兰多的迪士尼世界，有来自几十个国家的员工，英语水平参差不齐。Tell Me More 让他们可以在入职前进行集中训练，入职后继续巩固。数据显示，使用 Tell Me More 的员工，在英语口语测试中的通过率比未使用者高出 40%。
企业市场的成功原因
10.4主要互动方式
37 种练习类型
Tell Me Most 令人惊叹的设计之一是包含了 37 种不同类型的互动练习。这个数字不是随意堆砌，而是基于对语言学习过程的系统分析。Auralog 的语言学家和教学设计师们，将语言能力分解为听、说、读、写四个维度和语音专项训练。每个维度又细分为若干子技能，然后为每个子技能设计专门的练习形式。
在听力理解方面，有听音识图、听音判断、听音填空、听写句子和听对话回答问题等练习。口语表达方面，包括跟读、录音对比、情景对话、看图说话和自由问答。阅读理解类练习有看图选词、选词填空、句子排序和阅读理解题。写作表达类包括拼写练习、听写、造句和看图写话。语音专项训练则包括音素练习（配有 3D 动画）、重音练习、语调练习以及最小对立体的辨析（如 ship 与 sheep）。
发音评分的深度设计
发音评分是 Tell Me More 最核心的互动方式。它的流程如下：
1.准备阶段：屏幕上显示一个句子，用户可以先听标准发音，观察 3D 口型动画。
2.录音阶段：用户对着麦克风朗读句子，软件实时录制。
3.分析阶段：软件将用户发音与标准发音对比，生成波形图和评分。
4.反馈阶段：软件用红色标出发音错误的区域，给出分项评分，并可以播放用户录音和标准录音进行对比。
5.练习阶段：用户可以反复录制，每次都能看到新的反馈，直到满意。这个闭环设计，让用户可以进行无限次的自主练习，每次都能获得即时反馈。
情景对话
Tell Me More 的情景对话设计也很有特色。用户扮演对话中的一个角色，与软件扮演的其他角色进行对话。屏幕上显示对话场景的图片，下方显示对话文本（可选，可关闭）。用户需要根据提示说出自己的台词，软件会判断发音是否准确，并推动对话继续。
例如，在一个餐厅场景中，软件扮演服务员：“What would you like to order?”用户需要说出“I'd like a hamburger, please. ” 如果发音准确，服务员会继续问：“Would you like fries with that?”如果发音不准确，服务员会困惑地看着用户，用户可以重试。
这种角色扮演设计，让用户在模拟真实场景中练习对话， 同时获得发音反馈。
文化知识模块
Tell Me More 还包含丰富的文化知识模块。每个单元都有“文化角 ”，介绍目标语言国家的风俗习惯、节日传统、历史人物等。这些内容不仅提供了文化背景，也增加了学习的趣味性。
文化知识模块通常包含文字介绍、图片、视频片段，以及相关的练习。例如，在学习法语时，可以了解法国美食文化，然后练习点餐对话。
10.5用户体验设计
多级别课程体系
Tell Me More 的课程体系分为 9 到 10 个级别，从初级到专家级，覆盖 CEFR 的 A1 到 C2 水平（初级到精通）。每个级别都包含：
•对话模块 ：10-15 段情景对话，涵盖日常生活、工作、旅行等主题。
•词汇模块：数百个新单词，配有图片和发音。
•语法模块：详细的语法讲解和练习。
•语音模块：针对本级别重点音素的发音练习。
•文化模块：介绍目标语言国家的文化习俗。
•综合练习 ：将所学内容整合运用的练习。
这种分级体系，让学习者始终在合适的水平上学习。
从初级到专家的平滑过渡
同一主题会在不同级别中反复出现，但难度逐级上升。以“旅行”为例：初级先学习交通工具词汇和简单句型（如“I go by car.”）；然后学习购票用语和数字表达；中级学习预订酒店和日期表达，再到机场对话和时刻表达；高级则处理旅行中遇到的问题，如行李丢失，并练习复杂句式。这种螺旋式设计让学习者在巩固旧知识的同时不断接触新内容，始终感受到进步。
学习路径的个性化
尽管 Tell Me More 提供了完整的课程体系，但它并不强制学习者线性学习。用户可以根据自己的水平和目标， 自由选择学习内容。教师也可以在后台查看学员的进度，进行针对性指导。
软件会记录用户的学习进度和测试成绩，推荐适合的内容。如果用户在某类练习中表现优秀，系统会提前引入更难的练习；如果表现不佳，会增加简单练习。这种个性化路径，让系统化课程不至于变得僵化。
10.6 【界面设计解剖】发音反馈界面的设计
发音反馈界面是 Tell Me More 最具原创性的设计。据 1999 年《THE Journal》报道，Talk To Me 已经能够通过双模式显示单词和词组，用语音图展示振幅，用曲线展示基频，帮助用户改善语调。
波形图的呈现与错误标记
界面上通常会并排显示两条波形：上方是标准发音的波形，通常是绿色；下方是用户发音的波形，通常是黄色。两者在时间轴上对齐，用户可以直接比较差异。发音错误的位置会用红色标记出来，不同颜色表示不同严重程度：深红色代表音素发错等严重错误，浅红色代表发音不够饱满，橙色代表重音错误，黄色代表语调问题。用户一眼就能看出自己的问题集中在哪些区域，从而有针对性地练习。
3D 口型动画
在高级发音练习中，软件还提供了 3D 动画，展示标准发音时嘴唇、舌头和下颌的位置。用户可以仔细观察，也可以暂停或慢放。
界面布局与认知设计
界面通常分为三个区域：中间是 3D 口型动画，左边是波形对比图，右侧是控制面板。这样的布局符合人们的视觉习惯：先看口型理解“怎么发”，再看波形分析“错在哪”，然后操作控制面板进行练习。三个区域相互关联，形成一个流畅的训练流程。
这种设计的有效性源于几个方面：
•具身认知 ：3D 口型动画让用户“看见 ” 自己发音时口腔内部的状态，这种具身认知比抽象描述更有效。
•即时反馈：用户发音后立即看到波形对比，不需要等待外部评判。
•自我纠正：用户可以反复录制、对比、调整，形成自我纠正的闭环。
•多通道学习：视觉（波形、口型）、听觉（标准发音、自录发音） 同时工作，强化学习效果。
10.7技术实现
发音评分算法的核心逻辑
Tell Me More 的发音评分算法可以分解为以下几个步骤：
第一步：音频采集与预处理
•用户对着麦克风说话，软件以 16kHz 采样率录制音频。
•端点检测算法自动检测说话的开始和结束，去除前后的静音。
第二步：特征提取
•将音频分割成 25 毫秒的帧，帧移 10 毫秒。
•每帧提取 13 维梅尔频率倒谱系数（MFCC），加上一阶差分和二阶差分，共 39 维特征向量。
第三步：时间对齐
•将用户特征序列与标准特征序列进行动态时间规整（ DTW）对齐。
•DTW 允许时间轴上的伸缩，解决语速差异问题。
第四步：相似度计算
•在对齐后的帧对上，计算特征向量的欧氏距离。
•距离越小，相似度越高。距离可以转化为 0-100 分的分数。
第五步：错误定位
•设定阈值，如果某帧的距离超过阈值，标记为错误。
•连续的错误帧被合并为错误段。
第六步：综合评分
•计算所有帧的平均距离，得到总体评分。
•根据不同频段的特征（如元音共振峰），计算音素准确度评分。
•根据基频曲线，计算语调评分。
根据Tell Me More的用户手册，用户跟读时应尽量模仿示范发音，模仿得越像，得分越高。
3D 口型动画的生成
Tell Me More 的 3D 口型动画是预渲染的，基于发音生理学进行模拟，用来展示口腔各器官的运动。这个功能是发音练习和 S.E.T.S 纠错系统的有机组成部分。它的实现涉及几个层面：
口腔模型：Auralog 的工程师与语音学家合作，建立了 3D 口腔模型。这个模型包含嘴唇、舌头、牙齿、下颌、上颚、声带等器官，每个器官都有独立的运动参数。
音素-口型映射：每个音素对应一套口型参数。例如，发/a/时， 口型参数是：下颌打开30度，舌头低位，嘴唇张开。发/i/时，下颌闭合，舌头高位，嘴唇扁平。
动态插值：在连续语音中，口型需要从一个音素平滑过渡到下一个音素。算法根据音素的时长和前后关系，动态插值生成中间帧。
实时渲染：在用户练习时，系统根据当前正在播放的音素，匹配、提取和播放预渲染的口型动画。用户可以暂停、慢放、逐帧观察。
语音处理的技术框架
Tell Me More 的技术框架以 S.E.T.S 为核心，专注于发音纠错，而不是通用的语义识别。它不像标准的语音识别系统那样具备声学模型、词典、语言模型、解码器这四大组件。Tell Me More 的语音处理系统简化为：
•模板库：存储标准发音的特征序列，替代了声学模型和词典。
•对齐器：用 DTW 替代了复杂的解码器。
•评分器：用相似度计算替代了语言模型。
这种简化的处理流程，让系统在 1990 年代的个人电脑上能够运行。它虽然不能“理解”语音，但足以完成发音评分的任务。
10.8 【用户故事】泰国南部一所大学：350名学生的Tell Me More实验
本故事基于2017年发表于《Open Praxis》期刊的研究《Effect of “Tell Me More” on EFL Undergraduate Students’ English Language Achievement》。该研究由泰国宋卡王子大学（Prince of Songkla University）的研究者乔治·吉安菲（George Gyamfi）和帕尼达·苏克西芒（Panida Sukseemuang）完成，发表在同行评议的开放获取期刊上，是一项独立的第三方学术研究。该研究基于2015学年一所泰国大学学生的真实学习数据，远非一般的用户试用或商业推广案例可比。
2015学年，泰国南部宋卡王子大学的外语教学团队面临一个再熟悉不过的难题：常规的课堂英语教学能够系统性地覆盖语法、阅读和写作等各项能力，但学生的口语和整体语言应用水平，常常因为缺乏足够的练习机会而进展缓慢。老师们开始思考，能否通过引入语言学习软件，来改变这一局面。
英语系最终选择了Tell Me More作为辅助教学工具，并将它纳入课程体系。为了检验软件的实际效果，系里设计了一项量化研究：350名英语专业本科生参与实验，所有学生在使用Tell Me More之前和之后，各参加一次标准化英语能力测试，以便精确测量成绩的变化。
与一般的眼动追踪实验或产品试用反馈不同，这项研究的规模和方法都更为严谨。研究团队收集了这350名学生在Tell Me More中完成分级测试（placement test）、阶段测试（progress test）和综合测试（achievement test）的成绩数据。最关键的操作是，研究者没有把所有学生当作一个整体来统计平均分，而是先用分级测试将他们分成了四个不同的水平组：初学者（Beginner）、初中级（Intermediate-）、中级（Intermediate+）和高级（Advanced），再分别追踪每个组在使用Tell Me More前后的成绩变化。
这种分组实验的设计，使得研究者能够发现那些容易被平均数据掩盖的真相。
研究结果有两项值得注意的发现。
第一项发现是，初学者和高级学习者的成绩出现了明显的提升。对这两个群体的数据分析显示，经过Tell Me More的训练后，他们的英语水平测试得分显著高于使用之前。对于初学者来说，软件提供的即时发音反馈和反复练习功能，帮助他们弥补了基础语法和听力上的短板；对于高级学习者来说，Tell Me More的价值可能来自情景对话中的自由输出练习。在常规课堂上，熟手学习者有时会被控场节奏较慢的同学拖慢练习进度，而Tell Me More提供的独立练习时间和灵活的话题选择，让他们有了更多“说”的机会。
第二项发现则不那么乐观：Tell Me More对中级水平的学生几乎没有产生任何效果。初中级（Intermediate-）和中级+（Intermediate+）两个水平组的数据显示，他们的英语成绩在使用软件前后没有发生显著变化。方差分析（ANOVA）和两两比较分析也确认，不同水平组之间的差异达到了统计显著水平——这意味着“软件效果好不好”在很大程度上取决于学习者的起点水平。
研究者对这种“中级无效”现象做出了一种合理的推测：中级学习者处于语言学习的“长平台期”，基础知识已经基本掌握，又缺乏向高级水平冲刺的明确目标感。他们对软件的初始新鲜感消退得最快，练习投入度也最低，同时学习任务感的持续累积可能带来了心理疲劳。这一发现也部分解释了为什么纯粹用“使用时长”来衡量学习效果并不总是可靠。
这个泰国大学的实验揭示了Tell Me More在实际教学场景中的真实效果——它在一个方面符合预期（对初学者和高级学习者的成绩提升显著），在另一个方面则提醒教育者谨慎对待（中级学习者的成绩下降说明软件需要配合教师干预，不能依赖纯工具的自行运转）。
对于学术界而言，这项研究虽然样本量和实验设计在当时已经算得上严谨，但它也令后来的研究者注意到另一个缺口：此后针对Tell Me More的类似量化研究几乎没有再出现过，而同时期Duolingo等免费App开始大规模进入课堂，研究者的大量注意力随商业用户数的对比出现了转移。对于Tell Me More这一代软件而言，这一泰国大学的研究可能成为其教育效果量化层面“最后的系统性记录”之一。
来源：Gyamfi, G., & Sukseemuang, P. (2017). Effect of “Tell Me More” on EFL Undergraduate Students’ English Language Achievement. Open Praxis, 9(4), 449-461. DOI 10.5944/openpraxis.9.4.724。
10.9 【界面演化】Tell Me More 90+ vs 2000 vs 2005
Tell Me More 早期
早期的 Tell Me More（包括 Aura-lang 和Talk To Me）界面以灰色调为主，按钮是简单的矩形，没有渐变或阴影。主界面采用树形结构展示课程单元，用户可以逐级展开，看到每种练习的入口。发音反馈界面相对简单：屏幕上方显示标准发音的波形，下方显示用户录制后的波形，两者都是简单的线条图。发音错误的位置用红色线段标出，但只能显示大致区域，无法精确到具体的音素。当时还没有3D口型动画，用户只能通过波形对比或者参考简单的合成动画来判断自己的发音问题。
但即使这样，当时的用户已经惊叹不已。对着麦克风说话，屏幕上就能显示波形——这在早期已经是科幻照进现实。
Tell Me More 2000
2000年的版本是一次质的飞跃。界面升级为彩色，按钮带有渐变和阴影效果，整体风格接近当时的Windows 2000应用程序。最重要的变化是引入了3D口型动画。发音反馈界面被重新组织为三个区域：3D口型动画窗口，展示标准发音时嘴唇、舌头和下颌的运动；波形对比图，标准发音用绿色显示，用户发音用黄色显示，错误区域用红色高亮；控制面板，包含播放、录音、评分等按钮。用户点击波形图中的红色区域，可以自动跳转到对应的3D口型动画，直接看到这个音素的正确发音方式。这种“点击错误—观看口型—重新练习”的交互闭环，在当时是非常先进的设计。
Tell Me More 2005
2005年的版本进一步现代化。界面采用蓝白配色，风格清爽，布局更加宽松。3D口型动画变得更加精细，用户可以切换视角（侧面、正面、剖面），甚至可以单独观察舌头的运动轨迹。波形图下方增加了音谱图（spectrogram）显示，让用户可以观察自己发音的共振峰频率分布——这是给专业学习者或教师使用的高级功能。
评分系统也从单一的百分制扩展为分项评分，包括音素准确度、重音、语调、节奏四个维度，每个维度都有独立的分数曲线图，用户可以追踪自己的进步趋势。
此外，这个版本开始支持在线功能，用户可以上传学习数据，在网页端查看学习报告，或与全球用户进行分数比较。Tell Me More 从一个单机软件，变成了一个在线学习平台。
演化趋势
从这三个版本的演化可以看出，Tell Me More的界面设计经历了从功能驱动到体验驱动的转变：早期版本只要能“显示出波形”就算成功；中期版本开始注重视觉美感和交互效率；后期版本则追求信息的丰富性和个性化的数据追踪。但无论界面如何变化，核心的设计目标始终没有变——让用户尽可能直观地“看见”自己的发音问题。
10.10 教学效果
企业用户的培训效果数据
Tell Me More 在企业用户中的培训效果有详细的数据记录。以 GE 为例，公司对使用 Tell Me More 的 1000 名员工进行了为期一年的追踪研究。结果显示：
•90%的员工在发音准确度上有明显提升。
•85%的员工在口语流利度测试中得分提高。
•75%的员工在英语使用自信心上有显著增强。
•培训成本比传统课堂培训降低了 60%。
GE 的培训报告总结道：“Tell Me More 不仅提升了员工的英语能力，更重要的是，它让员工愿意主动练习——因为他们可以随时练习，随时获得反馈。”
语言实验室的采用情况
在学术市场，Tell Me More 曾经被全球众多大学广泛采用，作为语言实验室的标配软件。这些大学包括法国的巴黎大学、德国的海德堡大学、日本的早稻田大学等。
语言实验室通常配备几十台电脑，每台都安装 Tell Me More。学生可以在课后自由使用，进行发音训练。老师可以查看学生的学习报告，了解每个学生的进步和问题，在课堂上针对性指导。
一项针对日本大学生的研究显示，使用 Tell Me More 一个学期后，学生的英语发音准确度平均提升 35%，听力理解能力提升 28%。研究者认为，这种提升主要归功于软件的即时反馈和可视化功能。
本章小结
Tell Me More 证明了语音技术在教育中的应用价值。它用波形对比让用户“看见”发音，用3D 口型让用户“观察”发音，用即时反馈让用户“纠正”发音。从 1987 年法国的初创团队，到 GE 、Disney 等全球 500 强企业的选择，Tell Me More 走过了一段非凡的旅程。
但 Tell Me More 也有其局限。它的语音识别需要相对安静的环境，不适合在嘈杂场景下使用；它的 3D 动画需要一定的学习成本，不是所有用户都能立即理解；它的价格偏高，限制了个人用户的普及。
然而，Tell Me More 的价值不在于完美，而在于开创。它开创了“语音交互式语言学习”这个品类，让计算机第一次能够扮演发音老师的角色。它的核心理念——即时反馈、可视化纠错、多模态学习——已经成为现代语言学习App 的标配。
从波形对比到 3D 口型，从 S.E.T.S 到 AI 评分，Tell Me More 留下的技术遗产，至今仍在影响着我们。
本章完结
《学习软件进化论》 | 按章节更新
下一篇：《学习软件进化论》 第十一章TriplePlayPlus!——游戏化学习的里程碑
参考文献：
1. Auralog. (2000-2001). TeLL me More CJ User‘s Manual. Auralog S.A.
2. Auralog. (2008). TELL ME MORE Language Learning Libraries Quick Start Guide. Auralog, Inc.
3. THE Journal. (1999). Speech Recognition Made Easy with Talk to Me
4. 多知网. (2013年12月16日). 罗赛塔石牌2800万美元收购Tell Me More 拓展中国市场
5. 维拉诺瓦大学图书馆. (2010). TELL ME MORE®: Focus on Language Proficiency — Trial
6. IT History Database. Auralog. https://www.ithistory.org/db/companies/auralog
7. Tech Monitor. (1999). Aurolog Prospers in Language Teaching Market. https://www.techmonitor.ai/technology/aurolog_prospers_in_language_teaching_market
8. 新浪财经. (2006年11月1日). 专访Auralog创始人纳吉-修菲：让语言学习更轻松
1
end
