我覺得這次犯的錯是沒有先請 AI 參考各大字典的作法，就直接讓他把 120 份講義的內容直接拉進來。導致種子資料變得很雜亂。

而我又私心想先把種子單字先清理一下再繼續往下走，因此今天還在清長的單字整理作業裡。

單字本

進度：

1. 「單字」的資料格式昨天處理好了，基本上就是參考了各大詞典的處理方式。
2. 今天繼續討論「非單字」要怎麼處理。和 AI 討論後，我們暫時把這類資料定義成「詞組 (multiword)，對應的分類系統是：
   1. 搭配詞（collocation）：如 saving account，非母語的人有時候不知道要這樣說。
   2. 慣用語（idiom）：如 beat around the bush 這種
   3. 片語動詞（phrasal verb）：如 give something up 、get well on，這種對練習劍橋英檢蠻重要的，因為劍橋英檢在聽力裡卡了很多這種片語，聽不懂就會完全錯判。所以我在準備時有下載專門的 app 來做複習。
   4. 俚語（slang）

一邊參考字典的作法，一邊區分種子資料中有效 v.s. 無效的內容。漸漸變成這樣

前端：

相關資料表：

我覺得還需要花 5 小時左右清理一下。希望今天睡前可以再處理一下。

明天無論如何要碰到新功能！

口說功能核心

因為單字本整理會需要等 AI 清理、試用、抓 bug 再修。

在等待的過程中開了另一個獨立支線，先把口說功能做了一個原型。

這年我試用了一些付費口語 AI 教練 app，其中我最喜歡的是 Loora：

核心功能是：

1. 抓到我「原始說了什麼」，AI 不能直接把英文校正成流暢英文
2. 標記出文法錯誤
3. 給出「建議怎麼說會更流暢」的範例

至於有一個爽朗的 AI 教練互動，那個是考試導向的我，目前不需要的功能。（而且我真的覺得，和 這種 app 裡的 AI 教練聊天很無聊）

總之，AI 幫我選了適合的模型：ASR：parakeet-ctc-0.6b（NVIDIA FastConformer-CTC，經 MLX 跑 Apple Silicon）

跑了幾輪測試後還算滿意。我們就先把一個最小可用的介面做出來。

第一版，直接套用 Python 函式庫的介面：

然後把前端做起來：

這個前端我沒有很滿意，但今天的進度只改到這邊！

口說是一個比較獨立的工具。目前我的主線任務是在單字本上面，希望明天可以解脫！