当雅思口语考官变成AI:一场90年测评经验的数字化迁徙

雅思考试主办方之一——英国文化教育协会（British Council），近期与亚马逊云科技AI Lab联合打造了一款雅思官方模拟测评系统，其中的口语模考模块SpeakUp尤为引人关注。

它不像传统模拟软件那样只给一个分数，而是试图做一件事：把雅思评分标准，拆解成AI可以逐项判断的数据维度。

换句话说，它像一个经验丰富的考官，但比人类更能说清楚——你到底扣分在哪儿。

很多人以为，口语测评就是把语音转成文字，然后让大模型打个分。但实际落地时，BC雅思团队面临了四道硬门槛：

第一，流程必须严谨。雅思口语考试有严格的节奏控制：什么时候追问、什么时候切换话题、什么时候结束，都有既定流程。如果完全交给大模型自由发挥，对话可能很流畅，但很可能偏离考试规范。

第二，语音识别要足够“懂”口语。考生表达中常有停顿、重复、自我修正，甚至语法不完整的句子。AI不仅要分辨出谁在说话（考官还是考生），还要判断回答是否切题、表达是否清晰、用词是否准确。

第三，用户量不可预测，系统要能弹性伸缩。模考系统的使用高峰往往集中在考前几周，流量波动极大。系统必须能自动扩容，保证稳定，同时在低谷期自动收缩，避免资源浪费。

第四，数据安全是底线。考试数据涉及个人信息，系统必须在受控环境中部署，既保证AI能力，又满足隐私合规要求。

面对上述挑战，BC雅思团队没有选择现成的通用大模型直接调用，而是与亚马逊云科技AI Lab展开了深度共建。

1. 用“状态机”管住对话节奏

项目团队设计了一套独立于大模型之外的逻辑控制层。它像一个无形的“场务”，实时追踪对话进行到哪个阶段，然后指挥大模型：现在该深入追问，还是该进入下一话题。

这套控制逻辑跑在Amazon Lambda上——一种无需预置服务器的计算服务，能够根据对话需求随时拉起、按需执行，非常适合这种节奏多变的应用场景。

2. 全模态模型+微调，让评分逼近真人考官

语音测评的难点在于：AI不仅要“听懂词”，还要“读懂意”。

为此，团队选择了能够同时理解语音和语义的全模态模型作为底层，并基于BC雅思多年积累的高质量评分语料，在Amazon SageMaker平台上进行精细调参（Fine-tune），使用Amazon EC2 G5实例提供算力支持。

经过微调后，模型学会了将考生的实际表达，映射到雅思各项评分维度上。实测数据显示：超过90%的评分结果，与真人考官给出的分数误差在0.5分以内。

在盲测中，其评分结果已达到与真人考官难以区分的精准度。

3. 容器化部署，兼顾弹性与安全

整个应用以容器方式运行在Amazon ECS上，并结合自动扩缩容策略，从容应对流量洪峰。同时，整套方案被标准化封装，部署在BC雅思自有的受控环境中，确保所有数据不出域，满足安全合规要求。

这套系统的落地速度，超出了团队的预期。

~研发周期大幅缩短：以往部署一个复杂度较低的写作评分模型，通常需要6到8个月。而本次口语模考系统SpeakUp，从技术选型确定到研发调试完成，仅用了2到3个月，整体研发效率提升50%。

~日常运维极轻量化：得益于托管服务和标准化架构，BC雅思如今只需1到2名工程师即可支撑整个系统的运维与迭代，大幅降低了对专属技术团队的依赖。

值得关注的是，这套AI雅思官方模拟测评系统，由BC中国团队独立研发完成。

它不仅仅是一个模考工具，更是一套将权威测评标准产品化、服务化的能力底座。未来，它可以被封装成标准化的调用接口，赋能更多教育合作伙伴。

目前，该项目已获得BC全球总部的关注与认可。这意味着，“Innovate in China, Scale to Global” 正在成为现实——让世界各地的英语学习者，都能受益于“权威标准+AI”带来的精准测评体验。

语言测评的本质，不是给一个标签，而是帮助学习者看清自己在哪里，以及下一步该往哪走。

当90年的测评经验，与AI的可解释性、可规模化能力相遇，受益的不仅是个体考生，更是整个英语教育行业——从“凭感觉教”走向“凭数据教”，从“模糊反馈”走向“毫米级提升指引”。

这或许就是技术带给教育最踏实的变化：不是替代人，而是让人更清楚地看见自己。