單看練習口說這件事，AI 口說 App 和真人家教測出來的成績相當接近。Zafer Susoy 的一份交叉研究發現，兩種方式在口說成效上沒有顯著差異。真正的差別在焦慮、費用和深度。用 App 買下每天的練習量，用真人買下深度。

大家真正想問的問題

幾乎沒有人打出這個問題，是因為對教學法感興趣。他們打出來，是因為這個語言已經學了好幾年，看得懂文章，也能跟上一部電影，結果服務生隨口問一句話，嘴巴就當機了。

面對這種情況，標準答案是「去找個家教」。這是好建議，但這種人不會照做。他們不會去訂家教課，正是因為家教是個目擊者。付錢請一個陌生人看著自己表現得很差，對一個問題核心就是「被看著」會讓他徹底當機的人來說，是一筆很難成交的生意。

所以把問題倒過來問。與其問哪個選項理論上比較好，不如問哪一個能移除真正卡住你的那件事。而這剛好是研究能回答的問題。

把兩者放進同一個房間，研究怎麼說

最乾淨的一次對照，是 Zafer Susoy 發表於 Frontiers in Psychology 的一份受試者內交叉研究。土耳其一所公立大學，48 名英語教學系一年級學生，各自在相隔兩週的時間裡參加兩場對照的口說測驗，一場由 AI 聊天機器人主持，一場由真人教師主持。兩場都用 TOEFL iBT 的評分表打分，滿分 12 分，每場考前都先做一次口說焦慮量表。

三個結果值得注意。

成績打出來一樣。 AI 情境 8.12 分，真人情境 8.35 分，t(47) = 1.21，p = 0.23，沒有顯著差異。不論你以為 AI 考官漏掉了什麼，都沒有反映成更寬鬆或更嚴格的分數。真人和 AI 的評分彼此高度一致，Cohen’s kappa = 0.86。

面對機器時焦慮比較低，98.48 對 102.94，p = 0.01，效果量不大。

而重新定義整個比較的發現是： 面對真人時，焦慮會預測分數，r = -0.500，p < 0.01；面對 AI 時，焦慮完全不預測分數，r = -0.042。越緊張的學生，在真人面前就真的丟掉分數；面對機器，緊張根本沒有反映到成績單上。

這不是在說 AI 教得比較好。這是在說真人聽眾會加收一筆稅，而且這筆稅收得最重的，正是那些原本就在苦苦掙扎的學習者。

真人家教明顯勝出的地方

接下來換另一邊，畢竟只引用對自己有利的研究，就只是一則廣告。

Yi Ma 和 Mingyang Chen 做了一份為期 16 週的研究，150 名中級程度的中國英語學習者參與，發表於 Frontiers in Psychology，並在第 20 週做了一次延遲測驗。三組：AI 加真人鷹架、只用 AI，以及對照組。

  • IELTS 級距進步：AI 加真人 1.45，只用 AI 0.92，對照組 0.31。
  • 第 20 週的保留率：有真人鷹架的組別保住 94% 的進步，只用 AI 的組別保住 87%。
  • 只用 AI 的組別，在第 9 到 12 週左右撞上研究者稱之為新鮮感高原期的瓶頸。有一位學習者形容自己卡在一個迴圈裡，沒有任何東西把他推向更難的內容。
  • 34% 的學習者，對 AI 缺乏文化適應力感到挫折。
  • 語音辨識也不是對每個人都一樣友善。鄉村學習者需要的重複次數，是都市學習者的 2.3 倍。有一位說，AI 的美式口音讓他在自己的練習裡都覺得像個外人。

老實看待這些數字。只用 AI，16 週就拿下將近一整個 IELTS 級距的進步，這是真的。而有真人陪同的那組，進步得更多、遇到的瓶頸更少，保留下來的也更多。真人的貢獻很具體：真人鷹架能預測學習自主性，也就是自己主導學習的那種感覺，β = 0.52。AI 的個人化則預測另一件事，勝任感，也就是「我很擅長這個」的那種感覺，β = 0.37。兩者不是替代品，滿足的是不同的需求。

沒有人在賣 AI 時想公開的限制

聊天機器人的文獻，在短期、課程內的進步上很紮實，但對「之後會怎樣」交代得很薄弱。

Mengdi Li、Yinyu Wang 和 Xiaorong Yang 彙整了 41 項實驗與準實驗研究，涵蓋 3,515 名參與者，發現對第二語言習得有中等到大的正向效果，ES = 0.576，95% CI [0.385, 0.768]，p < 0.001。他們自己的調節變項分析裡藏著一個提醒：為期一到七天的介入 測出的效果量在裡面數一數二大。研究做得非常短、數字卻非常漂亮，這是測到新鮮感和立即練習效應的典型徵兆，而不是測到耐久的技能。

還有第二個問題，這個問題是結構性的，不是統計上的。大型語言模型被訓練得順從、討喜。史丹佛的 SycEval 研究 測到 58.19% 的模型回應帶有討好性的偏誤行為。一個傾向於認同你所說一切的對話夥伴，是很差的錯誤偵測器，對這件事來說更糟的是，它也是很差的現實演練。真正的對話對象會打斷你，會沒耐心，不會因為你一臉困惑就放慢速度。只跟一個無限有耐心的東西練習，會讓某一塊肌肉完全沒被訓練到。

如果只能留一句誠實的話講轉化這件事：AI 練習可靠地建立起開口說的反射動作，而真人對話仍然是驗證這個反射能不能撐過真實接觸的地方。

兩者實際上要花多少錢

費用在這裡不是細節，它是決定你會練習多少的機制。

真人家教的部分，資料來自 italki 官方定價頁：社群教師，也就是沒有正式教學訓練的母語或流利使用者，每堂課通常收費 4 到 20 美元。持有教學資格、認證，並備有結構化教案的專業教師，每堂課通常收費 10 到 40 美元。你付的就是教師檔案上標示的價格，結帳沒有隱藏的預約費，italki 從教師那一端抽成。大多數教師提供試教課，通常 30 分鐘，打 7 折到 5 折。Preply 是這個類別裡另一個大型平台，走的是每週固定時數的訂閱制。

以真人專業的注意力來說，這個價格算相當合理。但注意定價結構怎麼影響行為。家教是一個標好價格的行事曆事件，所以你一週訂一到兩堂。AI 口說 App 是每月固定的一批分鐘數，所以多聊十分鐘的邊際成本是零，而且早上六點或走去買東西的路上都能聊。口說能力真正的來源是頻率。App 贏的不是每小時的品質，贏的是總時數。

各自最適合誰

適合找真人家教，如果你： 已經能撐起一場對話，想從說得通進步到說得準。你需要文化和語用上的細膩度，那些用字文法都對、但聽起來就是怪的語感落差。你有截止日，考試、面試、要搬家。你知道自己不逼一把就不會練，除非有人週二晚上七點在等你。或者你想要一個記得住你那個老毛病、第四週還是不放你過關的人。

適合用 AI 口說 App，如果你： 聽得懂的遠比說得出來的多。已經好幾個月甚至好幾年沒有用這個語言完整說出一句話。能練習的時間很零碎，這裡十五分鐘，那裡十分鐘，而且常常是沒有家教醒著的時段。你要的是量，而且想把同一個錯誤犯個四十次，也不會看到誰的表情變化。

如果你是認真的，就兩個都用。 這不是打太極的敷衍答案，而是 Ma 和 Chen 研究裡測出最大進步的那個結果。對大多數成人來說，比較有效的順序是先 App、後真人：先用機器買下練習量、卸下恐懼，再帶著一個不再那麼害怕開口的自己，去找一位家教，讓對方終於能處理你的恐慌以外的東西。

Mintza 在這個問題裡的位置

Mintza 是一場即時、開放的語音對話，對象是一位雙語 AI 老師。沒有先轉成逐字稿再等待，沒有文字聊天，也沒有要照著走的課程腳本。你開口說，它接著說，並且在對話進行中直接糾正你，而不是事後丟一份報告給你。

對這個比較來說，真正關鍵的是雙語這個機制。老師同時會說你正在學的語言，以及你已經會的語言。當你卡在句子中間時，它會切到你已經會的語言，把你接住，再帶你走回正在學的那個語言。這個行為是照程度來規定的，不是碰運氣：入門程度時，它大部分時間說你自己的語言，把新語言拆成一小段一小段、可以重複的內容；初級時，它把大部分對話留在目標語言，你的語言只用來解釋和安撫；中級時，它幾乎全程留在目標語言，只有在你卡住時才會退出；高級時，它完全用目標語言、以自然速度對話，給的回饋也從老師模式換成同儕程度。糾正的強度也照同一個邏輯調整，從入門時只示範、不明講糾正，到高級時處理語感和語域。

這正是讓「從第一天就開口說」這件事撐得下去的具體原因。剛好和你共享母語的家教也做得到，好的家教確實會這麼做。但你不見得找得到，找到了也要按小時付費，而多數人被建議去找的那種只講目標語言的社群教師，則完全做不到這件事。這個逃生口，正是阻止初學者放棄那句話沒說完的關鍵，而放棄那句話，正是人們放棄學語言的原因。

剩下的設計都是為了量，不是為了儀式感。十五種語言，任意配對、任意方向。四個程度，還有針對有明顯地區腔調差異的語言提供口音選擇。兩者都會按語言各自記住。它會記得先前的對話，可以接著上次的地方繼續，不會每次都重置成閒聊。沒有連續紀錄的壓力，畫面上沒有跑著的時鐘，沒有規定好的路徑，只有你自己設定才會出現的提醒。用 Google 或 Apple 帳號登入，就送 20 分鐘免費，不需要信用卡，而且永不過期。付費方案是每月一批分鐘數，Basic 每月 180 分鐘、Plus 每月 360 分鐘、Pro 每月 600 分鐘，沒有每日上限。目前的價格請查看 App Store 或 Google Play 上的商店頁面，因為會依國家不同而有差異。

結論

「該用 App 還是找家教」這個問題，誠實的答案是：兩者根本不是在搶同一份工作。

真人家教是比較好的老師。家教給你深度、文化判斷力、督促力，還有一個不會永遠遷就你的真人所帶來的那種有用的不自在。如果你付得起，而且真的會去上課，就訂一位。研究也支持這一點：搭配真人的學習者，進步最多，保留得也最多。

AI 口說 App 是比較好的健身房。在這裡，練習量便宜到可以每天做，而且不會有一個評分的觀眾看著你出糗。Susoy 的結果就是整個論點濃縮成一句話：成績打出來一樣，只有真人那個情境會為緊張收你的錢。

如果你聽得懂這個語言，卻在有人開口跟你說話時當機，接下來的順序並不複雜。先在沒人看著的地方把反射練出來，再去給人看。

延伸閱讀：為什麼你聽得懂一種語言，卻說不出口、如何一個人練習開口說一種語言，以及練口說最好用的 AI App（2026 年）。

Mintza 提供 iPhone、iPad 和 Mac 與 Android 版本。