让中文母语者通过造句训练学日语
用罗马字打字 → 实时转假名 → 匹配读音 → 自动显示汉字 → 每句配神经 TTS 朗读 · 振假名标注 · JLPT 分级课程
「句楽部」是一个专为中文母语者设计的开源日语造句训练工具，基于 cuixueshe/earthworm（"句乐部"，中→英学习工具）改造。
工作流非常简单：
- 屏幕显示中文 → 例如「我是学生」
- 你在英文键盘上敲罗马字 →
watashihagakuseidesu - 句子被自动切成 token，每个 token 上方显示读音 →
わたし は がくせい です - 读音匹配上，对应 block 自动从假名翻成汉字 → 私は学生です
- Enter 提交 → Microsoft Neural TTS 朗读原音
| ⌨️ 不用切日语 IME | 罗马字直接打字，wanakana 实时转假名 |
| 🈂️ 振假名标注 | kuromoji.js 离线形态素分析，每个汉字配假名读音 |
| 🔊 母语级 TTS | Edge Neural TTS 构建时预生成 MP3，跨浏览器跨系统稳定播放 |
| 📚 真实语料 | 句子来自 Tatoeba，CC-BY 2.0，母语者贡献 + 多人校验 |
| 🎯 JLPT 分级 | 用 open-anki-jlpt-decks 词表过滤，N5 463 句、5 个分难度课包 |
| 🧩 Token 锁定 | 左边的词没打对，右边的 block 锁住不亮，强制每步都对 |
| 🎮 保留 Earthworm 玩法 | 进度记录、错词修复模式、键盘音效、键位自定义一应俱全 |
当前 478 句，6 个课包：
| 课包 | 句数 | Lesson | 范围 |
|---|---|---|---|
| 大家的日本语 · 第一课 | 15 | 1 | 入门示例 |
| JLPT N5 · 入门短句 | 100 | 5 × 20 | 6-7 字 |
| JLPT N5 · 日常基础 | 100 | 5 × 20 | 8-9 字 |
| JLPT N5 · 简单造句 | 100 | 5 × 20 | 10-11 字 |
| JLPT N5 · 复合句型 | 100 | 5 × 20 | 12-14 字 |
| JLPT N5 · 进阶练习 | 63 | 4 × 15 | 15+ 字 |
加 N4 / N3 课包：换 n5.csv → n4.csv，调长度桶，跑 pnpm build:jlpt 即可。
依赖与上游 Earthworm 相同。详情见上游 README。
# 一次性环境
brew install postgresql@16 redis colima
brew services start postgresql@16 redis
colima start --cpu 2 --memory 4
# 项目启动
pnpm install
pnpm db:init # 建 schema
pnpm db:upload # 灌课程数据
pnpm dev:serve & # API → :3002
pnpm dev:client # Client → :3001打开 http://localhost:3001 选课包开始练。
cd packages/xingrong-courses
# ── A. Tatoeba 挖掘（自动筛 N5 / N4 句子） ──
pnpm build:jlpt
# 产出 data/courses/jlpt-n5-*.json + jlpt-n4-*.json
# ── B. LLM 按 curriculum 生成（需要 Anthropic API key） ──
export ANTHROPIC_API_KEY=sk-ant-...
pnpm gen:llm n4-grammar # 读 data/curriculum/n4-grammar.yaml
# 产出 data/source/llm-<lesson>.yaml
pnpm build:japanese # 跑 kuromoji 把 source YAML → course JSON
# ── C. 给所有新句子生成 MP3 + 写入 DB ──
python3 -m venv .venv && .venv/bin/pip install edge-tts
.venv/bin/python scripts/generate-audio.py
# 在 src/seed.ts 的 PACK_METADATA 加上新 pack 的标题/描述/order
cd ../.. && pnpm db:upload三条扩展路径：
| 路径 | 适合 | 输入 | 输出 |
|---|---|---|---|
| build:jlpt | 想要规模、对内容主题不挑 | Tatoeba 14k 句对 + JLPT 词表 | 数百句按长度分包 |
| gen:llm | 想要按语法点 / 主题 / 风格定向生成 | data/curriculum/*.yaml 课程规格 |
每个 lesson 一个 source YAML |
| 手写 | 教材精选、想百分百控制 | 直接编辑 data/source/*.yaml |
同上 |
三种产物最后都会被 build:japanese / generate-audio.py / db:upload 统一处理。
前端 Nuxt 3 + Vue 3 + Pinia + TailwindCSS + daisyUI
后端 NestJS + Drizzle ORM + Logto (auth)
数据库 PostgreSQL 16, Redis
分词 kuromoji.js (offline, ipadic)
转换 wanakana (romaji ↔ kana 实时转换)
TTS Microsoft Edge Neural Voice (ja-JP-NanamiNeural)
数据源 Tatoeba 平行语料 + JLPT N5 词表
earthworm-jp/
├── apps/
│ ├── client/ # Nuxt 3 前端
│ │ ├── components/
│ │ │ ├── Landing/ # 首页营销组件（已为日语版重写）
│ │ │ ├── main/
│ │ │ │ ├── Furigana.vue # 振假名 <ruby> 渲染
│ │ │ │ └── QuestionInput/ # 罗马字输入逻辑
│ │ │ └── ...
│ │ ├── composables/main/
│ │ │ ├── question.ts # token 锁定校验逻辑
│ │ │ └── englishSound/audio.ts # HTML5 Audio + MP3 播放
│ │ └── public/audio/ # 478 个预生成 MP3
│ └── api/ # NestJS 后端
├── packages/
│ ├── schema/ # Drizzle schema (statement.ts 加了 tokens/furigana/audioPath)
│ ├── db/ # DB 初始化
│ ├── xingrong-courses/
│ │ ├── data/
│ │ │ ├── courses/ # 课程包 JSON
│ │ │ ├── tatoeba-cache/ # Tatoeba 原始数据（gitignored）
│ │ │ └── jlpt-cache/ # JLPT 词表
│ │ ├── scripts/
│ │ │ ├── build-jlpt-packs.ts # 数据筛选 + 分包
│ │ │ ├── build-japanese.ts # 单文件 kuromoji 分词
│ │ │ └── generate-audio.py # Edge TTS 批量生成 MP3
│ │ └── src/seed.ts # 课程包 → DB seeding
│ └── game-data-sdk/
└── docker-compose.yml # Postgres / Redis / Logto
speechSynthesis.speak() 在多数 macOS 上对 Siri 风格的日语 voice 没有声音
（需要单独下载），且不同浏览器对 voice 列表的处理不一致。我们改为构建时用
Edge Neural TTS 生成 MP3 静态文件，运行时纯用 HTML5 Audio 播放——任何浏览器
都能稳定出声。
让中文用户额外装日语输入法不友好。直接绕开 OS 的 IME，用 wanakana 在前端
把罗马字实时转假名，再按 token.reading 匹配判定。
原版 Earthworm 按空格切词后逐词比较。日语无空格，我们把 token 边界做成 "严格闸门"：左边 token 没完全对，所有后续输入都锁在当前 block 里，不溢出 到下一个 token。打错了直接退格修就行。
句楽部 站在巨人的肩膀上。
- cuixueshe/earthworm —— 原作者 cuixiaorui 把"造句学外语"做成了爽到上瘾的游戏体验
- Tatoeba Project —— 提供了开放的中日平行语料库（CC-BY 2.0）
- jamsinclair/open-anki-jlpt-decks —— MIT 协议的 JLPT N5-N1 词表
- kuromoji.js —— 浏览器/Node 双端的日语形态素分析器
- wanakana —— WaniKani 团队的罗马字↔假名转换库
- edge-tts —— 让 Microsoft Edge Neural Voice 在 Python 里能调
ISC（继承自上游 Earthworm）。
数据集另有协议：