近十年来,得益于数据流量的急剧爆涨,运算能力的快速提升和深度学习算法的出现,人工智能的浪潮逐渐席卷全球。从图像识别到语音识别,从机器人到专家系统,人工智能技术的应用不断推陈出新,正在慢慢地融入我们的生活。作为当下互联网应用的一大热点,在线教育领域同样需要人工智能技术的辅助。近年来人工智能技术在文字识别和声音识别相关领域有很多应用。在光学字符识别(OCR)任务中,传统的特征提取方法可以有效识别文档类图片,但在自然场景文字识别(STR)中表现不佳;而与此同时,手写数学公式识别仍然是研究的一大难点。因此,如何将深度学习技术应用于文字识别任务仍是目前的研究热点。除此以外,神经网络的发展给声纹识别和语音情感识别任务带来了新的思路,然而如何更好的应用它依然是研究焦点。针对上述问题,本文的研究旨在使用人工智能技术辅助在线教育,具体从三个方面展开:首先,对于拍照搜题场景下的手机翻拍文字识别任务,调研了基于深度学习的CTPN和CRNN算法,并将二者结合起来,通过与传统OCR的对比实验验证了深度学习算法在STR任务中的优越性;随后针对CTPN+CRNN无法识别倾斜文字的缺陷设计VGG分类网络提高识别准确率。其次,对于手写数学公式识别任务,调研并复现了基于深度学习的WAP算法,随后添加了数学语法校正模块对WAP模型的缺陷进行改进。最后,对于教师授课态度评价任务,分别调研并实现了 Deep Speaker声纹识别算法和VoiceFilter语音分离算法,随后设计并实现了基于深度学习的语音情感识别模型,完成了对教师授课态度的量化评价。