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。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00


