听歌学语言 CLI

把任意一首歌自动变成带清晰发音和字幕的沉浸式语言课。

痛点

语言学习者常想用喜欢的歌曲练听力，但歌词语速快、发音含糊、缺少逐词解释，手动做听力材料又非常费时。有人怀念像旧广播节目那样把歌变成有清晰发音和字幕的语言课，但市面上没有自动化工具。

方案

一个命令行工具，输入 mp3 后自动完成人声分离、语音识别、逐词/逐句字幕生成和发音清晰的朗读合成，输出带字幕和讲解提示的语言学习视频或音频。

用户

想通过音乐和真实语料学习外语的自学者、语言教师以及内容创作者。

MVP

输入 mp3 自动识别歌词并生成时间轴字幕；生成逐句清晰朗读的音频轨；输出一个带字幕和关键句讲解的视频文件；支持英语和至少一门其他语言；命令行一键运行。

变现

开源核心 + 付费云端处理额度或高级语音模型；也可为语言教师提供批量处理订阅。

为何现在

语音识别、语音合成和人声分离的开源模型都已成熟到可以本地运行，组合起来做沉浸式学习材料的时机正好。