Mr.Mou @ ShiShi AP Center

SpeakDeck 英语口语转写与练习音频生成工具

当前版本：点击打开 SpeakDeck

旧版：

简介

SpeakDeck 是一个为英语口语练习设计的浏览器工具箱。它现在主要包含两个部分：

Transcribe Audio  → 上传学生录音，本地转写，逐句复听，复制 AI 口语润色 prompt
TTS Audio         → 输入英文稿件，选择声音，生成标准练习音频，预听并下载 WAV

最初我做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？

新加入的 TTS Audio 功能，则补上了另一个很重要的练习场景：

学生写完作文、写完口语稿、整理完演讲稿之后，可以先听一听这段英文“标准读出来”大概是什么样。

这样多一个非常直接的检查角度：

这个单词我以为应该这样读，语音合成读出来是不是一样？
这个词的重音是不是我想的那个位置？
这句话连起来之后，节奏、停顿、语调是不是自然？
我写出来的句子，读出来会不会太长、太绕、太不适合口语表达？

很多学生写英文稿件时，眼睛看懂了，心里也觉得自己会读，但真正开口时会发现：某些单词的音、重音、连读、句子节奏并不熟。TTS 功能可以让学生先把自己的稿件变成一段可播放的练习音频，再用它来做 shadowing、跟读、逐句模仿和自查。

所以 SpeakDeck 现在有了两个互补方向：

Transcribe Audio：从“我说出的声音”回到文字，看机器听成了什么。
TTS Audio：从“我写好的文字”生成声音，听标准读法大概是什么。

一个帮助学生检查自己的真实输出，一个帮助学生提前熟悉自己要说的内容。放在一起，就更接近一个完整的英语口语练习闭环。

和托福 / 雅思口语训练的关系

这个工具的思路也和托福、雅思等英语口语训练很贴近。

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 也会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，也需要逐渐意识到：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。

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。

现在加上 TTS 之后，练习可以更完整：

写稿 → 听标准读法 → 跟读模仿 → 录下自己的版本 → 本地转写 → 对照检查 → AI 润色 → 再练一次

更新记录

2026-07-03 更新：适配不同屏幕大小

2026-07-02 更新：TTS Audio 练习音频生成页面上线

主要新增功能：

TTS 声音选择也做了简化。第一版只保留四个英文教学中最常用的声音入口：

界面名称 Kokoro voice ID 用途
US · Female af_bella 美式女声，适合作为通用练习参考
US · Male am_michael 美式男声，适合男生或低声线参考
UK · Female bf_emma 英式女声，适合英音练习
UK · Male bm_fable 英式男声，适合英音练习

新增的音频预览与下载功能：

交互与按钮状态也做了细化：

Preparing TTS...
Generate Audio
Generating audio...
Regenerate Audio
Generate Updated Audio
Try Again

这些状态可以让用户更清楚地知道当前是在准备模型、生成音频、已经生成完成，还是因为修改了文本或声音需要重新生成。

本次还修复和优化了一些交互问题：

视觉和结构方面，本次也做了调整：

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：

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：

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：

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：

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：

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：

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：

当时的主要限制是：

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

浏览器建议

推荐使用最新版：

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：

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：

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：

第六步：复制 AI 修改 prompt

点击：

Copy polish prompt

工具会复制：

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。