近些年,智能电子设备大量涌入我们的学习、生活和工作中。智能产品的出现打破了人类传统的行为方式,人们身边各式各样的智能产品层出不穷。在语言教育领域也是如此,机器人对话、一对一线上语言指导等很大程度上改变了人类在语言学习、语言测评等方面的行为方式,传统的工具将被智能化产品所代替。为了增加智能化产品在人类语言学习中的比重,在线语言测评模型数量不断的增长,人们对于在线语言学习和测评的需求也在不断增加,因此,智能化语言学习和测评模型的研发是人类语言教育教学中迫切需要的。传统的在线语言测评模型只给出语言测评分数,基本上没有任何关于语言学习方面的意见。目前,基于量规表的在线语言测评系统被研发,但是这类系统只能根据量规表给出的测评方面,只能实现单方面且比较刻板的评论。一对一人工评价全面详细,但价格昂贵,只有少数人采用此方式。因此,语言测评系统如何实现智能化输出多方面且具有针对性的评论与建议是目前语言测评模型研究的难点。针对目前语言测评模型存在的不足,本文设计了基于深度学习的智能语言测评模型。该智能语言测评模型可以根据不同测试人的语言音频给出相应的具有建设性意义的评论和主观性建议,为语言学习者提供一个个性化语言教育教学平台。模型采用了最新的序列到序列模型框架,主要架构分为基于双向门控循环单元的音频特征编码器和基于长短期记忆网络的自然语言文本生成解码器。为了提高模型输出的准确率和主观性,模型中引入了注意力机制、语义嵌入方法以及生成式对抗网络。研发的模型可以被大多数语言教育系统调用。本文详细介绍了模型应用于儿童语言教育平台,因此,本文采用的是儿童口语评价数据集。通过对模型生成评论的准确性、生成评论的响应时间和模型的扩展性进行评估,模型可以在语言教育平台上的正常运行。此智能语言测评模型的研发将解决语言教育领域的评论单一,评价不标准,评论不客观,不能自动生成评论等难点。