言之有物：做一个当场揪出口头禅的表达训练应用

你有没有录过自己即兴发言？不录不知道，一回放，「嗯」「然后」「就是说」「可能差不多」密密麻麻。这些问题词说话时完全无感，旁人听得清清楚楚，偏偏自己最后一个知道。

我做了个桌面应用来治这个毛病，叫言之有物（Weighty Words）。对着麦克风说一段话，语音实时转成大字字幕，填充词、犹豫词、笼统词当场标红标黄，说完再生成一份结构化分析报告。整个链路是：实时语音识别 → 本地词库分析 → AI 反馈。

项目已开源：GitHub - canyuda/weighty-words，macOS（dmg）和 Windows（exe）安装包都在 Releases 里。

从哪来的

原版给了我表达的训练思路和最初的原型，我在它基础上做了大幅扩展：语音识别从单一引擎扩到四家云端加一个完全离线的本地引擎，AI 反馈从写死的几个端点扩成多提供商加三协议自定义接入，另外补上了词库编辑器、训练规则定制、媒体文件导入、统一日志、双平台打包和一套测试。

用起来是什么样的

按下空格开始说话，主界面是一张「纸面画布」，实时字幕大字铺在上面。问题词当场高亮：

标记	含义	例子
🔴 红色波浪下划线	填充词	嗯、啊、那个、然后
🟠 橙色波浪下划线	犹豫词	可能、我觉得、差不多
🟡 黄色底色	笼统词	很快、开心、很多

右侧洞察栏实时累计各类问题词的数量和表达密度。每说满 30 字（可调），「实时反馈」面板会弹出一条不超过 8 个字的提示，比如「又是那个」。说完点「结束」再点「生成报告」，报告随模型输出逐字上屏，内容包含：总评（0–100 分）与定位、亮点、逐句编辑（原文 → 建议 → 原因）、用词精准度替换表、行为模式分析、数据与下次练习重点。同一份文稿再点一次直接显示已有报告，不会重复调模型，想重来就在弹窗里点「重新生成」。

除了麦克风，还有两条进料路径：粘贴逐字稿，离线分析现成文稿；导入音频或 mp4 视频（取音轨），按 1 倍速真实节奏走完整训练链路——拿以前的录音练，或者做可重复的全链路测试都行。

词库本身完全开放：四类词条（填充词 / 犹豫词 / 笼统词映射 / 情绪词）在编辑器里可视化增删改，带撤销栈，支持导入导出和恢复出厂，保存即生效。训练规则页还能配四样东西——训练目标、自定义触发规则、表达风格、额外口癖词——实时反馈和最终报告都会按这些定制。

几个技术决策

项目是 Electron 桌面应用，纯 JavaScript（CommonJS），没有框架、没有打包器。渲染进程就是原生 HTML/JS，index.html 做单窗口路由外壳，工作台、设置、词库编辑器、训练规则四个页面都是页内 section。作为一个工具型桌面应用，这套「原始」技术栈换来的是零构建链、随起随改、任何人打开就能读懂的代码。

下面几个设计点值得展开说说。

音频流跨进程

Electron 的进程边界是这个项目最核心的架构约束。音频采集在渲染进程（getUserMedia + AudioContext，重采样到 16kHz，每块 4096 采样转 Int16Array），经 IPC feed-audio 单向发到主进程；识别结果由主进程经 asr-result 事件推回渲染进程，云端和本地引擎统一 {text, isFinal} 这个契约；渲染层拿到文本再经 analyze-text IPC 做词库分析、字幕上色和统计。

渲染进程                          主进程
麦克风 16kHz PCM ──feed-audio──▶ ASR 引擎（云端 WebSocket / 本地 sherpa-onnx）
字幕高亮·统计   ◀──asr-result──  识别结果 {text, isFinal}
                 ──analyze-text─▶ 本地词库分析

安全上走的也是 Electron 当前推荐配置：contextIsolation: true、nodeIntegration: false，主进程能力全部经 contextBridge 暴露成 window.api。

识别引擎抽象：五选一，失败不切换

语音识别做了统一的引擎抽象，接口就五个动作：init / feed(Int16) / stop / onResult / onError。实现有五种：

四家云端：阿里云百炼、腾讯云、火山引擎、讯飞
一个本地引擎：sherpa-onnx 流式 paraformer，中英双语，int8 量化，约 237MB，从 Hugging Face 或国内镜像下载，带 SHA-256 校验和断点续传

引擎模式三档可选：「自动」在已配置的云端里按优先级择优（百炼 > 腾讯云 > 火山 > 讯飞），没有任何云端配置时兜底本地；也可以强制指定某一家，或完全离线只走本地。

有一个我坚持的细节：所有引擎失败都不自动切换。识别挂了就把错误归类（鉴权 / 额度 / 网络 / 服务端 / 音频）直接报给你，附上建议和「去设置」入口。自动降级到另一个引擎听起来更「智能」，但你拿到的那份分析报告是哪个引擎出的、质量打了几折，就成了黑箱。训练工具要的是可信，不是永不报错。

关掉云端的一键「优化」

各家云 ASR 基本都带「语气词过滤」开关——服务端把嗯、啊、那个这些不顺滑的地方洗掉，输出一段干净的转写文本。对会议纪要这是好事，对这个项目是灾难：语气词本身就是词库分析的核心数据源，洗掉了，「填充词出现 17 次」这个统计就不存在了。

所以调用百炼时固定 disfluency_removal_enabled: false，宁可转写结果难看，也要保住原始的口语面貌。这个参数是该项目的「禁改项」之一。

词库分析在本地，不上云

字幕高亮和统计不依赖任何云端服务：四类词表 + 自实现的最大正向匹配分词（最大词长 6），在渲染进程一句 analyze-text 就地完成。这意味着识别引擎哪怕走云端，「你说了哪些口水词」这件事也不出本机；粘贴逐字稿分析更是全程零网络。

AI 反馈的多提供商适配

最终报告由 LLM 生成，内置智谱 GLM、OpenAI、DeepSeek、Ollama 四个预设，自定义接入支持三种协议：OpenAI Chat Completion、OpenAI Responses、Anthropic Messages。每个条目可以配多份 Key、行内切换模型，逐模型做连通性测试。所有调用统一走超时保护和 SSE 流式，报告逐字上屏。

开发测试主要基于智谱 GLM，国内网络友好，报告质量出色；DeepSeek 成本极低，质量同样在线。想一分钱不花，Ollama 本地跑。

配置透明：明文 JSON + 掩码

全部用户配置存在 ~/.weighty-words/ 下的三个明文 JSON 里：settings.json、rules.json、words.json。可以直接看、直接备份、直接手改。API Key 的安全性靠文件权限兜底（POSIX 0600，仅当前用户可读），界面上只显示掩码（前 5 位 + 后 5 位），明文经白名单 IPC 按需换取。写入走串行队列加原子写，不会因为并发保存写坏配置。

「明文存储」听起来像偷懒，其实是选择：配置对用户完全透明，比塞进一个加密的二进制 blob 更好备份、更好迁移，也更容易排查问题。密钥安全这个责任，交给文件系统和操作系统。

测试

单元测试用 vitest，全部离线运行——fetch 打桩，不发真实请求。Electron 冒烟用 Playwright，启动时通过环境变量（EXPRESSION_TRAINER_AUTOMATION=1）加隔离的配置目录，测试不会污染真实配置。npm test 一条命令跑完全部。

怎么获取

到 Releases 下载对应平台安装包。

macOS 注意：应用没有做 Apple 公证，首次打开若提示「已损坏」，是 Gatekeeper 对未签名应用的拦截，执行一次下面的命令即可：

1	xattr -cr "/Applications/Weighty Words.app"

Windows 安装时若被 SmartScreen 拦，点「更多信息 → 仍要运行」。

想完全离线用，进设置页下载本地识别模型（237MB）后切到「仅本地」——识别和词库分析都不再需要网络，AI 反馈用 Ollama 也可以本地跑。

小结

这个项目解决的是一件小事：让「口癖」从无感变成有感。技术上没有炫技，五家识别引擎的统一抽象、关掉语气词过滤、本地分词、明文配置，每个决策都在往「可信、透明、可控」的方向使劲。

如果你也有表达训练的需求，或者想看看一个无框架 Electron 应用的完整长相，欢迎来 GitHub - canyuda/weighty-words 逛逛，提 issue、提 PR 都欢迎。