【VoiceTube技術思維】用容器技術提升開發流程效率 為400萬名會員打造個人化學習體驗

VoiceTube成立至今8年，從免費英語學習影片，到進階的系統化AI發音分析課程，提供全方位的語言教育科技解決方案，至今平台會員已達400萬名、擁有超過10萬部影音學習影片資料庫。

在英文越來越受重視的時代下，加上疫情帶度遠距學習熱潮，許多人開始習慣利用零碎時間增進自我能力，通勤時間可見許多上班族、學生盯著手機，透過線上學習加強語言能力。儘管疫情替市場帶來巨大波動，但危機就是轉機，由疫情帶動的遠距學習需求，正是VoiceTube期望達到的願景之一，抓緊使用者碎片化的注意力，轉換成更有效益的自我學習時間。從生活化的環境中學習。

全面導入容器技術，隨應用場景隨時調整工具與部署

在公司創辦初期，VoiceTube技術長徐有盛即以開始思考若使用者數量大幅成長、公司產品越來越全方位時的場景。徐有盛表示：「當初預計徹底翻新系統時，我們就鎖定 Kubernetes開始進行測試，考量到成本和維持系統營運，能全面重建IT架構的機會相當珍貴，我們決定好好把握，對既有系統進行大幅重構(Refactoring)。」

當時，VoiceTube內其實沒有穩健的部署工具，除此之外，研發部門經常發生開發(Developing)、測試(Testing)與正式(Production)環境不一致的情形，往往造成發布錯誤，對於開發、產品管理和維運層面，都會增加很多的不確定性。徐有盛指出，「考量到公司發展快速，能夠從頭重建的機會不多」，VoiceTube決定將IT架構大幅重修，而2017年，容器技術甫在市場有知名度之時，徐有盛便趁著核心系統升級，開始測試Kubernetes（K8S），積極擁抱容器技術。

「使用容器和Docker的最大價值，在於可快速部署相同組態環境設定，這讓開發人員可以更安心的進行產品開發，而不需花時間擔心IT環境不一致帶來的困擾。現在，QA與產品人員可以對發布更有信心，減低他們與開發人員間之間的不信任感，同時也降低了溝通成本。」然而，但面對公司的成長規模、優化平台的需求，VoiceTube也不斷觀察在不同階段的實際問題、持續調整虛擬化的使用策略，同時觀察市場上兼具彈性跟設定簡化的工具，包含GCP Cloud Run或Cloud function等，期望能選擇有效的設定模板、減少負擔。徐有盛指出，「我們考量每個發展階段實際的場景下的瓶頸，來調整並決定方向，但Docker的機制一直被保留下來，因為可重現統一的環境設定對我們來說很重要，工程師可以在不需擔心IT環境之下，安心嘗試更多的可能性。」

此外，為了讓各個產品的邊界變得很明確，徐有盛常用「應用程式介面（API）」的方式來區隔各種業務。而隨著這些分化，需要部署的項目必然增加，會更需要Devops這樣的機制來保證發布的順暢，有辦法追蹤變更也才能有效的除錯與維運。「因此，容器式管理可供開發人員於不同環境下運行這些應用程式，即時追蹤變更、有效除錯與維運，讓產品發布狀況得以隨時在掌控之中。」

用AI推薦並預測用戶行為、為用戶打造專屬學習方案

徐有盛意識到，若要掌握市場趨勢與用戶行為的改變，需先全面的對「數據」進行理解、分析及應用。因此，2019年便首度增設資料團隊，專職於整合並分析大量的使用者行為，用技術思維描繪用戶輪廓，同時推算出未來的行為趨勢。

VoiceTube的Data Team團隊採用「深度學習」與「機器學習」技術，使用主流的Python程式語言進行開發，看準其「開源的語言本質」與「可移植於許多平臺上」之特性，供團隊在維護基礎營運的同時，能積極調整產品、優化使用者體驗。徐有盛指出，「資料科學與資料工程同樣重要，我們既須蒐集及維護龐大且繁瑣的資料與數據，建立清晰、穩定的Data Pipelines；也需要掌握學習者的行為數據進行分析，從統計出用戶過去在學習上各方面的能力表現，到目前各面相成長幅度與興趣偏好，以及推算出未來須增加的方向。」

VoiceTube 工程技術團隊運用高效AI技術導入平台，分析大量的使用者行為，進一步洞察每個用戶的學習偏好，再根據使用者的標籤，個別推送其有興趣且符合程度的教材內容，為用戶訂製專屬的學習方案。徐有盛補充，「針對國人最擔心的「口說」能力，團隊已導入AI語音判別功能，可以精準且細化的供學習者音節矯正回饋。」

在平台影音資料上，VoiceTube為了高效生產教材內容，採用「演算法」方式拆解網路上的影片內容、貼上標籤、並依照影片特性及難度進行自動化架構分類，以利在推薦學習者所需內容時，能更準確的符合其程度。同時，引入自動化製作方式，也大幅提高製作翻譯字幕的效率。

VoiceTube一直以來以「用戶體驗」為導向進行產品研發，以強大的技術背景做後盾，翻轉傳統教育框架，「希望未來能運用領先的技術，打造創新市場的學習體驗。」徐有盛表示。