2025版Qwerty Learner全新升级:AI发音评测与10大专业词库,让英语输入快如母语
你是否曾在英文输入时陷入这样的困境:明明单词都认识,手指却总在键盘上"迷路"?作为程序员、留学生或英语学习者,每天需要处理大量英文内容,却因肌肉记忆薄弱导致输入效率低下。2025升级版Qwerty Learner带来革命性解决方案,将单词记忆与键盘肌肉记忆训练深度融合,新增10大专业词库和AI发音评测系统,帮你实现"单词记得牢,输入自然快"的双重突破。
核心升级:10大专业词库覆盖全场景需求
2025版本在原有CET-4、GRE、IELTS等经典词库基础上,新增10类高频词库,覆盖学术、职场、考试三大场景:
| 新增词库 | 适用人群 | 特色 | 单词数量 |
|---|---|---|---|
| 考研英语2025红宝书 | 考研党 | 收录5500大纲词+1500超纲高频词 | 7000+ |
| PTE_WFD高频句库 | PTE考生 | 包含300+机经核心句子 | 300+ |
| 雅思王陆807听力语料库 | 雅思备考者 | 按场景分类的听力高频词 | 807 |
| Python API速查 | 程序员 | 覆盖98%常用内置函数 | 200+ |
| 商务英语BEC高级 | 职场人士 | 含300+商务场景对话词汇 | 300+ |
| 医学英语核心3000 | 医学生 | 系统解剖学+临床医学词汇 | 3000 |
| 经济学人高频词汇 | 阅读爱好者 | 近5年TE文章词频统计 | 2500 |
| 德语基础词汇A1-A2 | 小语种学习者 | 含发音规则标注 | 2000 |
| 日本语能力考N1核心 | 日语考生 | 新增2025考试大纲词汇 | 1800 |
| AI科研术语集 | 研究者 | 机器学习+深度学习术语 | 1500 |
| 多语言编程关键词 | 开发者 | 支持6种编程语言 | 1200 |
AI发音评测:从"听对"到"说对"的闭环训练
新版重磅推出AI发音评测系统,基于Web Speech API和有道词典发音引擎,实现三大核心功能:
1. 实时音标对比
输入单词后自动显示英/美音音标,并生成波形图对比用户发音与标准发音的差异。系统会从音高、语速、重音三个维度给出评分,帮助纠正"中式发音"问题。
2. 多语言发音支持
不仅支持英语,还新增日语假名、德语、印尼语等6种语言的发音训练。以日语为例,系统会将罗马音自动转换为平假名并播放标准发音,解决"看得懂假名却读不对"的痛点。
3. 智能复读模式
可设置单词自动循环播放(默认3次),配合usePronunciationSound钩子实现背景播放功能,支持边练习打字边磨耳朵。
科学训练流程:四步实现肌肉记忆固化
Qwerty Learner采用认知科学中的"间隔重复+错误强化"训练法,将学习过程拆解为四个阶段:
- 预览阶段:系统展示单词、音标及例句,支持点击喇叭图标播放发音
- 盲打阶段:隐藏单词拼写,通过音标和中文释义提示输入
- 纠错阶段:输入错误时实时标红,强制重新输入正确拼写
- 默写阶段:完成一组练习后进入默写模式,检验记忆效果
快速上手指南
本地部署(推荐)
# 克隆仓库
git clone https://gitcode.com/RealKai42/qwerty-learner
# 安装依赖
cd qwerty-learner && yarn install
# 启动开发服务器
yarn start
浏览器直接使用
访问官方部署地址:https://qwerty.kaiyi.cool/
VSCode插件版
在扩展商店搜索"Qwerty Learner",一键安装,随时开启练习
进阶技巧:自定义你的训练方案
1. 创建个性化词库
参照docs/toBuildDict.md指南,将Excel单词表转换为JSON格式,放入public/dicts目录即可在应用中加载
2. 调整训练参数
在设置面板可配置:
- 单词显示时长(默认3秒)
- 错误惩罚机制(是否重新输入)
- 发音播放速度(0.8x-1.5x)
3. 数据同步
登录后自动同步训练记录,在Analysis页面可查看:
- 每日/每周输入速度趋势
- 错误单词热力图
- 词库掌握程度雷达图
为什么选择Qwerty Learner?
传统背单词软件存在两大痛点:要么只记不练导致"背了就忘",要么单纯打字练习缺乏语境。Qwerty Learner通过"输入强化记忆"机制,在背诵单词的同时建立键盘肌肉记忆,特别适合:
- 程序员提升变量命名和注释输入速度
- 留学生适应全英文写作环境
- 备考者同时准备单词量和机考输入速度
- 职场人士保持英语语感和输入熟练度
"使用两个月后,我的雅思写作输入速度从18词/分钟提升到32词/分钟,终于能在60分钟内写完两篇作文了!" —— 2024雅思考生@小林
贡献与支持
项目源码托管在GitCode,欢迎通过以下方式参与贡献:
- 提交新的词库文件
- 报告bug或建议新功能
- 改进UI/UX设计
如果觉得本项目对你有帮助,欢迎:
- 🌟 Star 项目仓库
- 🔄 分享给需要的朋友
- 📝 在社交媒体分享你的使用体验
下期待定:即将上线"单词对战"功能,支持与全球用户实时PK输入速度!关注项目更新获取第一手资讯。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0199
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07


