【API进阶之路】高考要考口语？一场10w+刷屏活动是如何用多模态评测API做出来的

上一期故事说到，我成为了公司技术委员会副主席，上任后的第一件事是建立了一个云容器化的研发资料库，把每个研发硬盘里那点“好东西”都复用出来。（详情查看：《无法想象！大龄码农的硬盘里有这么多宝藏》）

自此以后，老大交给我的撸代码的活越来越少，让我专心把技术委员会做起来。人一闲下来吧，就容易生事儿，这不么，闲着没事做了一个互动小游戏，运营妹子从公众号上推了张海报，居然成了一场10万人参与的刷屏级活动。

咋回事呢？大概是7月25号，我看到一条新闻，北京2021年高考要增加英语口语考试。妈耶，这也太突然了，这不跟产品经理突然提需求、微博的运维赶上明星突然宣布结婚/分手一样让人猝不及防么。

很快，有孩子正上高中的家长都在朋友圈转发了这条消息，这事的关注度这么高啊？总听说运营擅长抓热点，那我是不是也可以做点什么抓住这次热点呢？

对于这个政策，家长和学生最关注最需要的是什么？考口语，首先得知道自己的口语水平怎么样，知道短板在哪才能有针对性地补习提高。那就是说需要口语测评！

我想起之前在华为云官网上看到过一个“多模态评测”API，能够根据朗读视频数据和试题文本，给朗读者的口语评测分数。我可以利用这个API做一个测评类的H5小游戏。

按照我的习惯，实现功能的过程会同步梳理成文档，便于后浪们学习。

《多模态英语口语评测》

内容来源

多模态口语现在还在公测阶段，所以我提前在华为云上申请了公测，当天就公测通过了~（公测链接：https://activity.huaweicloud.cn/AI_free0.html?ggw_hd ）

步骤一：数据准备

l   支持的video类型包括avi/mp4/webm/mkv/flv等封装格式，视频清晰度不低于240p，帧率不低于25fps，大小限制在10M

l   支持语言：英式英语

l   评测模式：单词评测、句子评测

l   需要把视频转化为对应的base64编码上传

转化举例（Python）

#!/usr/bin/env python
# encoding: utf-8
 
import base64
def ToBase64(file, txt):
    with open(file, 'rb') as fileObj:
        image_data = fileObj.read()
        base64_data = base64.b64encode(image_data)
        fout = open(txt, 'w')
        fout.write(base64_data.decode())
       fout.close()
ToBase64("./test.wav",'2.txt')  # 音频文件转换为base64

步骤二：构建请求

华为云语音交互服务的通用请求方式如下图所示。

备注：

l   多模态评测API目前处于公测阶段，在华为-北京四可以调用，其Endpoint为“sis-ext.cn-north-4.myhuaweicloud.com”。

l   需要确认个人专有华为云项目ID和Token（身份认证）

（项目ID获取方法；Token查询方法）

获取了身份认证后，就可以填写请求了。假设我现在有一个avi格式的文件，想用单词模式去判断口语质量，我要学习的口语是“sit down”。

请求示例是：

POST https://{endpoint}/v1/{project_id}/assessment/video
 
Request Header:
Content-Type: application/json
X-Auth-Token: MIINRwYJKoZIhvcNAQcCoIINODCCDTQCAQExDTALBglghkgBZQMEAgEwgguVBgkqhkiG... 
  
Request Body:
{
  "config":{
    "video_format": "avi",
    "language": "en_gb",
    "mode": "word"
  },
  "video_data": "/+MgxAAUeHpMAUkQAANhuRAC...",
  "ref_text": "sit down"
}

步骤三：返回结果

{
    "fluency": {
        "score": 75.02139,
        "rhythm": 50.042786,
        "cohesion": 100.0
    },
    "pronunciation": {
        "score": 36.817684,
        "gop": 36.817684
    },
    "score": 22.09061,
    "completeness": 0.0,
"duration": 2.46,
"words": [此后为音素、音标评价结果，其返回结果见下方]

从返回的结果可以看到：

l   从流利度看：流利度评分75.02；连贯性是满分；韵律弱一点，只有50.04分

l   从发音看：我的发音质量综合打分（score）是36.82分；发音好坏打分是36.82分

l   最后的综合评分：22.09分…

哎，还挺准确，我从小英语口语就差…

还能进行英语口语练习，从发音嘴型、发音效果纠正口语。通过具体的单一单词、音素、音标打分，就能知道需要对哪个单词、音标加强练习了。

以“sit”发音评测为例，反馈结果如下：

"words": [
        {
            "fluency": {
                "score": 68.29714,
                "rhythm": 68.29714
            },
            "pronunciation": {
                "score": 24.714167,
                "gop": 24.714167
            },
            "out_of_vocabulary": false,
            "text": "sit",
            "text_original": "sit",
            "text_normalised": [
                "sit"
            ],
            "score": 46.505653,
            "start_time": 1.03,
            "end_time": 1.06,
            "phonemes": [
                {
                    "fluency": {
                        "score": 31.643274,
                        "rhythm": 31.643274
                    },
                    "pronunciation": {
                        "score": 16.471563,
                        "gop": 16.471563
                    },
                    "start_time": 1.03,
                    "end_time": 1.04,
                    "arpa": "S",
                    "ipa": "s"
                },
                {
                    "fluency": {
                        "score": 87.00653,
                        "rhythm": 87.00653
                    },
                    "pronunciation": {
                        "score": 28.179922,
                        "gop": 28.179922
                    },
                    "start_time": 1.04,
                    "end_time": 1.05,
                    "arpa": "IH",
                    "ipa": "i"
                },
                {
                    "fluency": {
                        "score": 86.241615,
                        "rhythm": 86.241615
                    },
                    "pronunciation": {
                        "score": 29.491013,
                        "gop": 29.491013
                    },
                    "start_time": 1.05,
                    "end_time": 1.06,
                    "arpa": "T",
                    "ipa": "t"
                }
            ]
        },
    ],
}

很快我就把小游戏做完了，以口语能力测评为核心玩法，加入了邀请好友再玩一次的分享引导机制，没想到只是从公司公众号上推了一下，朋友圈里居然刷了屏，上线3天，游戏人数就超过了10万人！一次由研发主导的10W+刷屏活动就这样诞生了，谁说研发不懂运营？

据了解，目前API Explorer平台已开放EI企业智能、计算、应用服务、网络、软件开发平台、视频等70+云服务，共上线2000+个API、6000+个错误码。在前期试运行期间，华为云API Explorer平台上的API接口也已被多家企业成功接入。

点击查看详情：《华为云一站式API解决方案平台API Explorer上线》

华为云API Explorer平台在未来几个月会实现更多功能，比如支持SDK示例代码、CLI等特性，同时也会开放更多的云服务API接口，连接更多开发者实现创新、拓宽创新边界。