核心用法
Pronunciation Coach 是一款集成微软 Azure Speech Services 的专业发音评估工具，专为英语学习者设计。用户只需发送语音消息，系统即可自动完成音频采集、格式转换、云端分析到报告生成的完整流程。
工作流程：
1. 音频接收：自动捕获 Telegram 语音消息，存储于本地目录
2. 格式处理：通过 ffmpeg 将任意格式（OGG/WAV/MP3/M4A）转换为 16kHz 单声道 WAV
3. 云端分析：调用 Azure Speech Service 进行音素级识别，输出五大核心指标——发音准确度（Pronunciation）、内容准确度（Accuracy）、流利度（Fluency）、韵律（Prosody）、完整度（Completeness）
4. 智能报告：生成逐词拆解报告，标注问题音素，并给出具体改进方向
5. 个性化教练：识别 Top 3 薄弱音素，提供发音技巧指导（参考内置 phoneme-guide.md），并通过 TTS 发送标准示范音频
显著优点：
- 权威音素级分析：依托微软 Azure 企业级语音引擎，精确到每个音素（phoneme）的得分，远超普通 AI 的模糊评价
- 多维度量化评估：五大独立指标形成完整能力画像，避免单一分数的信息损失
- 闭环学习体验：从诊断（报告）→示范（TTS）→巩固（针对性练习）形成完整学习闭环
- 隐私可控：音频本地暂存后上传，用户可自主管理数据生命周期
潜在缺点与局限性：
- 依赖外部云服务：必须配置 Azure API Key，存在服务费用和网络延迟；离线场景不可用
- 英语专属：当前仅支持英语发音评估，无法覆盖多语种需求
- ffmpeg/Node.js 依赖：需要本地环境配置，对非技术用户有一定门槛
- 隐私敏感操作：语音数据需上传至微软云端，对数据主权敏感场景不适用
适合人群：
- 中高级英语学习者希望获得精准发音反馈
- 备考雅思、托福口语的应试者需量化跟踪进步
- 英语教师寻求自动化语音作业批改工具
- 远程语言教练辅助教学
常规风险：
- API 密钥泄露风险：Azure Speech Key 若配置不当可能暴露
- 数据传输风险：语音文件上传至微软 Azure，受微软隐私政策约束
- 评分偏差风险：AI 对语速过快、口音极重或环境噪音大的音频可能误判
- 依赖项失效风险：ffmpeg 或 Node.js 版本不兼容可能导致流程中断