核心用法
japanese-reading-grader 是一款面向日语教师的朗读作业自动化批改工具，专为A1/A2/B1级别（约对应JLPT N5-N3）学习者设计。教师上传学生音频后，系统自动完成格式转换、Whisper转写、CEFR分级评分、智能纠错及成绩录入全流程。
关键操作路径：
1. 前置准备：上传标准答案文本至指定路径，确认格式规范
2. 音频处理：自动将MP3/MP4/M4A等格式统一转为16kHz WAV
3. 语音转写：调用本地Whisper medium模型进行日语识别
4. 智能评分：基于10分制、从满分起评的鼓励导向机制，仅对3类严重错误（促音/长音/清浊混淆、漏读整句、中途中断）扣0.5分/项，扣分上限3分
5. 分级纠错：按学生水平控制纠错数量（A1短篇1项/长篇2项，A2/B1短篇2项/长篇3项）
6. 成绩输出：生成含评分结果、发音纠错、练习建议的结构化报告，支持Canvas自动录入与班级汇总
显著优点
- 教育友好设计：严格遵循"鼓励为主"原则，总分7分保底，评语先扬后抑，保护学习者信心
- 专业分级体系：采用CEFR官方框架与CAF三维评估模型（复杂性80%、准确性10%、流利度10%），评价标准清晰可追溯
- 防误判机制：强制对齐校验流程，转写存疑时标记人工复核，避免AI幻觉导致误判
- 批量高效：支持50人/批次的中断续传，异常音频自动隔离不影响整体流程
- 输出规范：禁用emoji、严控字符数（≤1000）、结构清晰适配教学平台
潜在缺点与局限性
- 模型固定不可切换：强制使用Whisper medium，无法根据硬件条件灵活选择tiny/base/large等变体
- 能力层级覆盖有限：仅支持A1-A2/B1三个级别，高阶学习者（B2及以上）不在服务范围内
- 评分维度权重失衡：复杂性占比80%而准确性仅10%，对于朗读作业而言"复杂性"权重过高可能偏离发音训练核心目标
- 人工复核依赖：转写存疑、音频损坏等场景必须人工介入，无法完全无人值守
- Canvas生态绑定：成绩录入与汇总上传深度依赖Canvas LMS，其他教学平台需自行适配
适合人群
- 日语教师：承担A1-B1级别朗读作业批改，追求评分一致性与效率提升
- 教学机构：需要批量处理口语作业、生成标准化反馈的日语培训部门
- 课程管理员：使用Canvas作为LMS的日语教学项目负责人
常规风险
- 转写质量波动：Whisper对日语清浊音、促音的识别存在固有误差，需严格执行对齐校验
- 评分标准漂移：鼓励导向原则可能导致不同教师对"严重错误"判定尺度不一
- 隐私合规：音频文件含学生声纹信息，本地存储路径需符合机构数据保护政策
- 技术依赖风险：本地Whisper部署需维护CUDA环境，模型文件管理不当可能导致服务中断