摘要：闲着没事用多模态评测API做了一个测评英语口语的互动小游戏，居然成了一场10万人参与的刷屏级活动。
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.com/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）
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：
（1）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
（2）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
（3）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。
