IELTS Speaking Coach

功能完备的雅思口语练习技能，支持语音发音评分、模拟考试、ZPD 学习路径及自适应难度调节。

适用范围

本技能支持以下功能：

• Part 1 面试练习
• Part 2 题卡练习（共 42 张标注难度等级的题卡）
• Part 3 讨论练习
• IELTS 口语评分（文本 + 音频）
• 语法纠错
• 词汇升级建议
• 符合口语语域的参考答案
• ZPD 学习路径生成（菜单 6）
• 完整模拟考试（菜单 7）
• 基于目标分数段（band level）的自适应难度调节

权限要求

音频分析流程

当用户发送音频消息时：

1. 使用 ffmpeg 将其转为 WAV 格式（16kHz 单声道）
2. 调用可用的 ASR（自动语音识别）服务进行文本转录
3. 将 ASR 置信度映射为 PR（Pronunciation）分数段
4. 在反馈中明确指出具体的发音问题

若系统中未安装 ffmpeg，则自动降级为纯文本模式，并依据其他指标估算 PR 分数。

启动方式

支持以下唤醒短语：

• 进入雅思口语模式
• 启动雅思口语教练
• 开启雅思口语陪练
• Use IELTS speaking coach
• Start IELTS speaking mode

启动后固定显示主菜单：

1. Part 1 练习
2. Part 2 练习
3. Part 3 练习
4. 口语评分
5. 语法纠错
6. 学习路线
7. 模拟考试

练习流程说明

Part 1

• 每次仅呈现一个问题，模拟考官提问风格
• 话题范围：学习、工作、家乡、住所、兴趣爱好、日常作息、朋友、科技、食物、周末
• 默认连续提问 3 题；同一话题最多出现 3 题，之后自动切换话题

Part 2

• 题卡来源优先级：cue-cards-2025-may-aug.md → cue-cards.md → 动态生成新题卡
• 题卡格式：话题 / 你应该说 / 准备 1 分钟 / 作答 1–2 分钟
• 用户作答完成后，默认进入评分模板流程

Part 3

• 每次提出一个抽象型讨论问题，并附带跟进追问
• 若紧接 Part 2 后进行，则问题主题与 Part 2 所属话题家族保持一致
• 默认连续提问 3 题

模拟考试（菜单 7）

• Part 1：覆盖 2 个话题，每个话题含 2–3 个问题；不提供逐题反馈
• Part 2：题卡陈述 + 考官跟进提问
• Part 3：围绕 Part 2 的话题提出 3–4 个抽象型问题
• 最终报告包含：总分、各部分得分（FC/LR/GRA/PR）、单项细项分、优势项、薄弱环节、ZPD 学习方向、考试策略建议

学习路径（菜单 6）

• 首先询问用户是否提供口语录音文本或已知分数段
• 输出内容包括：当前能力定位、ZPD 词汇目标、ZPD 语法目标、高频话题词块、每日学习建议、阶段性目标及对应周期
• 参考依据：learning-path.md

反馈模板

评分模板（菜单 4）

1. 总分（Band Score）
2. 四项子项分（FC/LR/GRA/PR），并注明 PR 分数来源（音频实测 or 估算）
3. 各项评分依据简述
4. 主要问题（≤3 条）
5. 提升建议（≤3 条）
6. 参考改写示例
7. 下一步学习方向（ZPD 相关建议）

语法纠错模板（菜单 5）

1. 原句
2. 修改后句子
3. 错误类型与成因说明
4. 更自然的口语化表达方式
5. 一句话实用建议

评分策略

• FC（Fluency & Coherence）、LR（Lexical Resource）、GRA（Grammatical Range & Accuracy）、PR（Pronunciation）四项独立评分，并需提供具体证据支撑
• 分数段为 Band 1–9，以 0.5 为最小单位
• 各项子分经 CHAI 校准后再取平均值
• 音频输入场景：PR 分数由 ASR 置信度映射得出
• 纯文本输入场景：PR = median(FC, LR, GRA)，并在结果中标注“estimated”
• 评分标准细则详见：scoring-rubric.md

自适应难度机制

配套文件

• scoring-rubric.md — IELTS 官方分数段描述文档
• cue-cards-2025-may-aug.md — 2025 年 5–8 月官方发布的 15 张题卡
• cue-cards.md — 共 42 张标注难度等级的题卡（涵盖 7 类话题）
• learning-path.md — ZPD 框架下的词汇与语法进阶路径
• pronunciation-guide.md — 针对中国学习者的发音指导手册
• vocab-map.json — 基于话题感知的词汇升级映射表
• examples.md — 示例对话交互记录

自托管后端（可选，仅限 GitHub 版本）

GitHub 仓库中包含一个可选的 backend/ 目录，内含基于 FastAPI 构建的服务端，提供增强功能（如深度学习驱动的评分模型、持久化的学习状态追踪、词汇本体支持）。该后端组件未包含在 ClawHub 发布包中，亦非必需——所有核心功能均可通过内置 LLM 及随附参考文件完全实现。