Say It Right · 英语发音教练

用 Qwen 通义千问 Token Plan · 小米 MiMo · Gemini · GPT/OpenAI 把任意英文拆成一节发音课：重音、弱读、升降调、节奏、连读和 IPA，并保留原来的英文改写、翻译、朗读和错题本功能。

Turn any English text into a pronunciation lesson with a coach sidebar, prosody stave, model voices, looping and export. Bring your own key.

功能 Features

• 发音练习 Pronunciation — 任意英文 → SVG prosody stave：语调曲线、重音/弱读、nuclear word、连读、GA IPA，并对 Qwen/Gemini/MiMo 的输出做日常英语校正，避免乱标。
• Karaoke word-highlight — 播放 model voice 时逐词高亮，点击任意词可跳到对应位置；有 ASR 时间戳就精确对齐，没有时按真实音频时长平滑降级。
• 录音对比 Record & compare — macOS 上用 host-side ffmpeg 录下自己的跟读，A/B 播放、转写对比、查看漏读/多读和练习提示。
• 教练模式 Coach — 粘贴/输入英文，选择 provider + model + thinking → 地道改写 + 中文讲解（用词、搭配、习语、语气）。
• 中译英 Native English — 输入中文意思，让模型写出英语母语者自然会怎么说；可以和原中文结构完全不同，但意思一致。
• 翻译模式 Translate — 中文（或任意语言）→ 目标语言，不带讲解。
• 自带 Key（BYOK） — Qwen(Token Plan 文本 / DashScope TTS)、小米 MiMo、Gemini、OpenAI，Coach、发音分析和 TTS 都可选模型/声音。
• 朗读 Read aloud (TTS) — 在发音播放器里听 model voice，并可慢速跟读。
• 最近记录 Recent — 每次教练/翻译自动存档，点击即还原。

发音教练 Pronunciation

从侧边栏点 🎙 发音 / Pronunciation，或在编辑器选中英文后右键 Say It Right: Analyze Selection，即可打开播放器。它会显示句子的 SVG prosody stave：每个 thought group 有语调曲线，曲线上的点区分 stress (●)、reduced (·) 和 nuclear word，词行显示连读和 General American IPA，并配一条可调速的 model voice：

• play at 0.25×–4× (pitch-preserved) and a Teacher slow clear re-reading,
• AB-repeat a sentence, run a Shadow ×N loop with gaps, and step sentence by sentence,
• follow the active word while audio plays, and click a word in the stave to seek to that moment,
• switch provider / analysis model / speech model / voice directly in the player,
• export the model audio.

默认使用 Qwen (qwen3.6-flash analysis，可切 qwen3.7-plus / qwen3.7-max；qwen3-tts(-instruct)-flash voice)。也可以在播放器顶部直接切到 MiMo、Gemini 或 OpenAI，并选择 analysis model、TTS model 和 voice；这些选择会同步写入 sayItRight.* 设置。

发音图会先让模型给出 IPA、重音、弱读、thought group 和语调，再经过一层规则校正：function words 通常弱读，content words 和短语动词小品词通常重读，nuclear stress 放在自然的最后内容焦点，陈述句/wh-question 句末多为 fall，yes/no 或礼貌请求句末多为 rise。这样 Qwen、Gemini、MiMo 即使原始 JSON 分组不稳，也不会把 Could you、and 这类弱词乱标成重音中心。

Prompt flow

内置 prompt 分三条可测试的链路维护：

• TTS / Teacher slow：只读原文，不翻译、不解释、不加例句；英文按 General American，混合中英文本各按原语言读，适合 shadowing。
• Prosody stave：模型只生成 learner-facing 的 IPA、重音、弱读、thought group 和语调候选；扩展再做规则归一化，避免 provider 把弱词、连读和核重音乱标。
• Coach / Native English / Translate：先内部判断语义、语境、语气和 speech act，再输出英语母语者自然会怎么说；Coach/Native English 返回 JSON 讲解，Translate 只返回译文。

对应契约在 test/core/prompt.test.ts、test/core/prosody.test.ts、test/core/tts.test.ts 和 provider request tests 里校验。

Record & compare (macOS)

播放器里的 Record 会通过 VS Code extension host 调用 ffmpeg 录制系统默认麦克风；第一次使用时需要在 macOS 里允许 VS Code 访问麦克风。录完后可以播放 Your take，点 Compare 会用 ASR 转写你的录音，显示词面匹配、漏读、多读和一句练习提示；Export mine 可导出自己的 .wav。默认 ffmpeg 路径是 /opt/homebrew/bin/ffmpeg，可在 sayItRight.ffmpegPath 修改。

Word-highlight 的精确时间戳使用 OpenAI Whisper（需要设置 OpenAI key）；如果没有可用 ASR，播放器仍会按音频实际时长做 proportional highlight，不影响播放和跟读。

快速开始 Setup

1. 侧边栏点 🔑 API Key（或命令面板运行 Say It Right: Set API Key），Coach/analysis 填 Qwen Coach/Analysis (Token Plan) key；如果要用 Qwen 朗读，发音播放器里的 API Key 会引导你填单独的 Qwen Speech/TTS (DashScope) key。两个 key 不互相 fallback。
2. 打开活动栏的 Say It Right 侧边栏，输入英文按 ⌘↵，或点 🎙 发音 / Pronunciation。
3. Coach 侧边栏可直接选择 provider/model/thinking；发音播放器顶部可选择发音分析/TTS provider、model 和 voice。

API key 存在 VS Code SecretStorage（系统钥匙串），不会写进 settings.json。

支持的模型 Supported models

开发 Develop

• npm install
• npm run watch，然后按 F5 打开 Extension Development Host
• npm test 跑核心单测