SpeakDeck 英语口语复听与转写播放器

June 23, 2026

当前版本：点击打开 SpeakDeck

旧版保留：Whisper Transcriber Legacy

---

简介

SpeakDeck 是一个为英语口语练习设计的本地转写、复听和 AI 润色辅助工具。

它的前身是 Whisper Transcriber。最初这个工具主要解决一个问题：让学生上传英文录音，然后在浏览器本地用 Whisper.cpp WebAssembly 转写成文字。后来我越来越觉得，真正有价值的地方不只是“把录音转成文字”，而是让学生能更清楚地看见自己的口语表现：

我原本想说什么？ 我实际说出来是什么样？ 机器听到的英文又是什么样？

所以新版改名为 SpeakDeck。

这个名字更接近现在的产品定位：它不只是一个 transcriber，而是一个英语口语练习 deck，一个可以上传录音、播放音频、同步查看转写文本、逐句回放、搜索关键词、复制 AI 口语润色 prompt 的小型练习工作台。

新版界面也围绕这个思路重新设计：

本地转写 · 听读回放 · AI 口语润色

学生可以先录一段英文回答，再上传到 SpeakDeck；工具会在本地浏览器中完成英文转写。转写完成后，学生可以在 Transcript Playback 区域边听边看，点击某一句跳转回放，搜索关键词，对照自己“想说的内容”和机器“实际识别出来的内容”。

这个过程对口语练习很有价值。

这点也和托福口语训练很贴近。TOEFL iBT 的 Speaking 和 Writing 评分目前会结合 AI 评分和 ETS 认证评分员；ETS 的 SpeechRater 也使用语音识别和语音特征分析来评估非母语者的口语表现。换句话说，学生不仅要让老师听懂，也可以逐渐意识到：自己的英文在机器识别系统里可能会怎样被听见、被理解、被误判。

这里的目的不是让学生“迎合机器”，而是多一个观察角度：如果机器经常识别错某些词、某些音、某些句子，那很可能说明这部分值得重新听一听、改一改、再练一次。

转写完成后，学生还可以用 Copy polish prompt 把转写稿和修改提示词一起复制到 AI 工具中，得到一个更自然、更地道的英文版本，并查看中文修改说明。这样一来，练习就形成了一个很清楚的循环：

说出来 → 转写出来 → 听回去 → 找问题 → 改表达 → 再练一次。

音频转写过程在本地浏览器中完成，不由本网页上传到服务器。

---

更新记录

2026-06-23 更新：SpeakDeck 新版发布

本次更新将项目从 Whisper Transcriber 正式改名为 SpeakDeck。

旧版 Whisper Transcriber 仍然保留，地址是：

https://shishiapcs.github.io/whisper-transcriber/

新版 SpeakDeck 地址是：

https://shishiapcs.github.io/speakdeck/

这次改名的原因是：工具已经不只是一个“转写器”了。它现在更像一个面向英语口语练习的音频工作台，包含本地转写、同步复听、逐句跳转、关键词搜索、AI 口语润色 prompt 和 AI 工具快捷入口。

新版 banner 也改为：

Mr.Mou English Lab
SpeakDeck
本地转写 · 听读回放 · AI 口语润色

---

2026-06-23 更新：复古磁带播放器界面

本次更新重新设计了页面结构，让 Transcript Playback 成为主工作区，而不是放在页面底部。

之前的界面更像一个从上到下的步骤页面：

Model Setup → Audio Input → Transcribe → Transcript Playback

这个逻辑清楚，但实际使用时不够方便。学生和老师真正花时间最多的地方，是听音频、看转写文本、搜索内容、复制 prompt。所以新版改成了更接近“音频播放器 + 转写稿工作台”的布局。

主要变化：

• 页面改为播放优先的 audio/transcript workstation；
• 左侧是复古磁带播放器风格的音频控制区；
• 右侧是纸张感的 Transcript Playback 区域；
• Model Setup 被移到折叠的 Model Bay / Setup 中；
• Debug terminal 保留，但默认折叠；
• Copy polish prompt 和 AI 快捷入口被放进主工作流中；
• 桌面端减少滚动，学生可以更快进入复听和修改环节；
• 移动端仍保持单列布局，尽量保证可读性。

这次更新仍然保持纯前端：

HTML + CSS + vanilla JavaScript

没有后端，没有数据库，也没有新增 API。

---

2026-06-23 更新：磁带轮动画与 LED 细节

为了让播放器更像真实的复古 cassette deck，本次更新增加了几个小的视觉细节。

主要变化：

• 点击播放后，两个磁带轮会开始旋转；
• 暂停或播放结束后，磁带轮停止旋转；
• 绿色 LED meter 移到更自然的位置，避免挡住磁带轮；
• LED 灯条在播放时会轻微闪动，让播放器更有生命感；
• 播放按钮在播放时会呈现按下状态；
• 静音按钮改成更复古的图标风格；
• AI 快捷入口增加了轻量 CSS 图标，不依赖外部图片资源；
• 新增 ChatGPT 作为 AI 快捷入口之一。

这些变化都是 UI 层面的，不影响转写逻辑、模型缓存、音频上传、字幕高亮或 Copy polish prompt。

---

2026-06-22 更新：Transcript Playback 键盘快捷键

本次更新为 Transcript Playback 增加键盘控制，让学生录音复听和逐句检查更顺手。

主要变化：

• 新增键盘快捷键：Space 播放 / 暂停当前音频；
• 新增 ← 快捷键，可以跳转到上一句转写文本；
• 新增 → 快捷键，可以跳转到下一句转写文本；
• 跳转句子时会自动定位到对应的音频时间点，并高亮当前句子；
• 这些快捷键适合用于逐句复听、检查发音、整理口语转写结果；
• 当用户正在搜索框中输入、编辑文本、点击按钮或使用链接时，快捷键不会触发，避免影响正常页面操作；
• 音频预览区域新增快捷键提示，方便用户直接看到操作方式；
• 该功能仍然是纯前端功能，不调用 API，不需要后端，不自动上传或发送任何音频与文本内容。

---

2026-06-20 更新：AI Polish Prompt 与 AI 快捷入口

本次更新主要调整 Transcript Playback 底部操作区，让转写结果更方便用于 AI 口语反馈。

主要变化：

• 将原来的 Download text file 按钮替换为 Copy polish prompt；
• 点击后会复制固定的英文口语修改 prompt 和清理后的转写文本；
• 转写文本会整理成一个干净段落，不包含时间戳、debug logs 或多余换行；
• prompt 会要求 AI 修正语法、词汇和句子结构，保持原意，并用简体中文列出主要修改点；
• 复制成功或没有可用转写文本时，会弹出可见提示，避免信息只显示在折叠的 Debug terminal 中；
• 新增 AI 工具快捷入口：Doubao、DeepSeek、Kimi、Yuanbao、Qwen、Wenxin、Qingyan；
• 快捷入口只负责打开网站，不会自动粘贴或发送文本；
• 该功能仍然是纯前端功能，不调用 API，不需要后端，不自动发送任何内容；
• 原来的 downloadTranscript() 函数仍保留在代码中，只是不再作为默认按钮显示。

---

2026-06-13 更新：Transcript Playback 与模型缓存

本次更新将工具从单纯的“转写终端”升级为更适合课堂使用的 Transcript Playback 转写播放工具。

之前的版本已经可以完成本地转写、复制和下载，但使用时仍有几个明显问题：

1. 转写结果只显示在终端里，不适合边听边看；
2. 播放器和文本结果分散在不同位置，小屏幕上来回滚动不方便；
3. 转写完成后，无法像字幕一样跟随音频高亮当前句子；
4. 刷新页面后需要重新选择模型文件；
5. 开始转写后，用户不容易判断转写是否还在进行。

主要变化：

• 新增音频播放器和同步转写文本区域；
• 播放音频时，当前句子会自动高亮；
• 点击某一句转写文本，可以跳转到对应音频位置并播放；
• 新增转写文本搜索，搜索结果仍可点击跳转音频；
• 转写文本可以直接选中和复制，方便老师提取单词、短语或句子做反馈；
• Debug terminal / raw output 默认折叠，只在需要查看原始 Whisper 输出或错误信息时展开；
• 页面改为从上到下的流程：Model Setup → Audio Input → Transcribe → Transcript Playback；
• 手动导入的模型会缓存到浏览器 IndexedDB，刷新后可自动恢复；
• 如果重新导入另一个模型，新模型会覆盖旧缓存，不需要额外清理；
• 转写按钮增加状态提示：Start transcribing、Transcribing… please wait、All done、Transcription failed；
• 修复时间戳和文本重叠、页面自动滚动到底部、按钮过早显示完成等问题；
• 移除容易误操作的 Clear transcript player 按钮；
• 修复 Clear terminal 后同步转写区不应被清空的问题。

---

2026-06-08 更新：独立项目与像素风界面

本次更新将原来的 Whisper 语音转文字工具整理为独立项目 Whisper Transcriber。

新版主要解决三个问题：

1. 中国大陆访问 Hugging Face 下载模型不稳定；
2. 原来的界面容易让学生混淆“模型文件”和“音频文件”；
3. 多次转写后，旧结果和新结果容易混在一起，影响复制和下载。

主要变化：

• 从原站点中拆分成独立 GitHub 项目；
• 界面改为像素风 / RPG 风格；
• 页面按步骤分区，让模型、音频、转写和结果区域更加清楚；
• 模型下载改为国内访问更稳定的链接；
• 模型加载方式改为手动下载 .bin 文件后本地导入；
• 提供三个英文模型入口：tiny.en、base.en、small.en；
• 默认推荐 tiny.en，速度最快、文件最小，适合大多数学生日常课堂录音和口语作业；
• 模型选择区域改成卡片式按钮，减少学生误操作；
• 移除麦克风录音入口，专注于上传学生录音文件；
• 新增音频预览，选择音频后可以先确认文件是否正确；
• 新增 Copy text 功能，可自动去掉时间戳，并把转写结果整理成连续段落；
• 开始新一次转写时会清空旧输出，避免结果混在一起；
• 音频解析失败时给出更清楚的提示，尤其是部分 .m4a 文件无法被浏览器解码时。

新版仍然保持一个原则：

音频在本地浏览器中处理，不上传服务器。

---

2025-08-14 早期版本

这是早期版本的更新记录，当时的工具地址是：

https://shishiapcs.github.io/transcriber/

早期版本已支持：

• Whisper.cpp WebAssembly 本地浏览器转写；
• iOS 设备使用，iPad 和 iPhone 都可以打开网页运行；
• 文件上传；
• 麦克风录音；

• 多个英文模型：

  • tiny.en（约 75 MB）
  • base.en（约 142 MB）
  • small.en（约 466 MB）
• 转写结果下载；
• 首次在线获取模型后，可以缓存在浏览器 IndexedDB 中；
• 支持的音频格式取决于浏览器内置解码器。

当时的主要限制是：

• iOS 端部分机型文件选择器对 .wav 文件显示不稳定；
• 中国大陆访问在线模型不够稳定；
• 页面功能较多，学生使用时容易混淆入口。

这些问题后来在 2026-06-08、2026-06-13 和 2026-06-20 的版本中陆续调整。

---

主要功能

• 本地英文转写 使用 Whisper.cpp WebAssembly 在浏览器中运行英文语音识别。

• 音频不由网页上传服务器 音频文件在用户本机浏览器中处理。

• 手动模型导入 用户先下载 .bin 模型文件，再在网页中选择本地模型。

• 模型缓存恢复 导入过的模型可以保存在浏览器 IndexedDB 中，刷新后通常会自动恢复。

• 音频上传与预览 上传学生录音后，可先播放确认文件是否正确。

• 复古磁带播放器界面 新版界面使用 cassette deck 风格，播放时磁带轮会旋转，LED 灯条会轻微闪动。

• Transcript Playback 转写结果以时间戳文本形式显示，并能跟随音频播放自动高亮。

• 点击句子跳转音频 点击某一句转写文本，可以直接跳到对应音频位置。

• 键盘快捷键 支持 Space 播放 / 暂停，← 跳转上一句，→ 跳转下一句。

• 文本搜索 可在转写文本中搜索关键词，快速定位学生表达。

• 文本选择与复制 同步转写区域中的文本可以直接选中和复制，方便老师提取句子做反馈。

• Copy polish prompt 一键复制 AI 口语修改 prompt 和清理后的转写文本。

• AI 快捷入口 提供 ChatGPT、Doubao、DeepSeek、Kimi、Yuanbao、Qwen、Wenxin、Qingyan 的快捷链接。

• Debug terminal 原始 Whisper 输出仍保留在折叠区域中，方便调试。

---

浏览器建议

推荐使用最新版：

• Chrome
• Microsoft Edge

Safari 和 iOS Safari 在某些音频格式上可能不稳定，尤其是部分 .m4a 文件。

如果文件能在电脑上正常播放，但网页无法解析，通常不是录音文件本身损坏，而是浏览器无法解码该文件内部的音频格式。建议转换为 MP3 或 WAV 后再上传。

FFmpeg 示例：

ffmpeg -i input.m4a -ac 1 -ar 16000 output.wav

---

隐私说明

本网页的 Whisper 转写在浏览器本地运行。

音频不会由本网页上传服务器。

Copy polish prompt 只会把 prompt 和转写文本复制到剪贴板，不会调用 ChatGPT、DeepSeek、Kimi、Doubao 或其他 AI API。

AI 快捷入口只负责打开对应网站，不会自动粘贴、提交或发送任何内容。

如果用户手动把内容粘贴到第三方 AI 服务中，该服务的隐私政策由对应平台负责。

模型文件由用户手动下载并导入，可缓存在浏览器本地 IndexedDB 中。清除浏览器站点数据后，模型缓存也会被删除。

---

如何使用

第一步：下载模型文件

第一次使用时，先在 Model Bay / Setup 区域下载一个 Whisper 英文模型。

推荐大多数学生使用：

tiny.en

它速度最快，文件最小，适合日常课堂录音和口语作业转写。

如果电脑性能较好，也可以使用：

base.en
small.en

模型越大，通常越慢，但准确率可能更好。

---

第二步：导入模型文件

下载完成后，在 Model Bay / Setup 区域选择刚刚下载的 .bin 模型文件。

例如：

ggml-tiny.en.bin

导入成功后，页面会显示模型已就绪。

现在工具会缓存手动导入的模型。只要不清除浏览器站点数据，下次刷新页面时，模型通常会自动恢复。

---

第三步：选择学生音频

在播放器区域选择学生录音文件。

常见可用格式包括：

• MP3
• WAV
• M4A / AAC

是否能解析取决于浏览器的音频解码能力。

如果文件能在电脑上播放，但网页无法解析，建议转换成 MP3 或 WAV。

---

第四步：开始转写

点击：

Start transcribing

按钮状态说明：

• Transcribing... please wait：正在转写；
• All done：转写完成；
• Transcription failed：转写失败。

转写速度取决于音频长度、模型大小、设备性能和浏览器环境。

---

第五步：查看 Transcript Playback

转写完成后，在 Transcript Playback 区域可以：

• 播放音频；
• 查看自动高亮的当前句子；
• 点击句子跳转音频；
• 搜索关键词；
• 选中并复制单词、短语或句子；
• 使用 Copy polish prompt 复制 AI 修改提示词和转写文本；
• 展开 Debug terminal 查看原始输出。

---

第六步：复制 AI 修改 prompt

点击：

Copy polish prompt

工具会复制：

• 固定的英文口语修改 prompt；
• 清理后的转写文本段落。

复制后，可以粘贴到 ChatGPT、DeepSeek、Kimi、Doubao 等 AI 工具中，让 AI 做基础口语修改。

该功能只复制文本，不会自动发送内容。

---

第七步：打开 AI 工具

可以使用底部的快捷入口：

ChatGPT / Doubao / DeepSeek / Kimi / Yuanbao / Qwen / Wenxin / Qingyan

也可以手动打开其他 AI 助手。

打开后粘贴刚才复制的内容并发送即可。