本申请涉及英语教学技术领域，其具体地公开了一种基于人机交互的英语教学辅助系统及方法，其通过麦克风采集学生的口语练习音频，利用语音识别技术生成文本转录，同时利用自然语言处理技术对文本进行语义理解，并基于文本语义特征生成标准英语发音参考音频，进而利用深度学习技术对学生的口语练习音频与生成的标准英语发音参考音频进行声学特征提取和对比分析，从而智能评估学生的口语发音是否准确，并针对不标准的发音提供音频参考。这样，可以实现学生英语口语能力的智能评估和个性化指导，提高学生的口语实践能力和跨文化交际能力。