rl-starter 全量课程规划（VOA English with MP3 + LRC）

1. 目标与范围

• 课程ID：rl-starter
• 学段：英语入门 A1-A2
• 总课时规划：24课（每课 6-10 分钟）
• 每课必须具备：

- 可播放 mp3（可长期访问）
- 对齐 lrc（句级时间戳）
- 课文 sentences 与音频朗读文本逐句一致

2. 上线原则（保证可用）

• 原则1：未完成 mp3 + lrc + 文本三方一致校验的课，不上线。
• 原则2：有片头声明的音频，必须处理到“首句即对齐”。
• 原则3：课程数据只引用可回放、可缓存、可跨端访问的地址。

3. 资源结构规范

3.1 文件路径

• 课文数据：/src/static/data/lessons/starter/group1.js
• lrc：/src/static/data/aesop/lrc/lesson-xxx-slug.lrc
• 推荐本地mp3：/src/static/data/aesop/mp3/lesson-xxx-slug.mp3

3.2 数据字段规范

• audioSrc：优先本地静态 mp3；过渡期可用 archive.org 直链
• lrcSrc：固定使用 /static/data/aesop/lrc/lesson-xxx-slug.lrc
• sentences：作为 lrc 失败时兜底显示，且必须与 lrc 文本一致

4. 音频对齐策略（解决“前面有声音导致错位”）

4.1 统一方案（推荐）

• 对每课音频做一次片头裁剪，输出 clean mp3。
• 裁剪后保证第1句在 00:00.00-00:01.00 内开始。
• lrc 从正文首句开始，不再被片头声明干扰。

4.2 过渡方案（不裁剪）

• 保留原始 mp3，lrc 首句整体后移到正文实际起点。
• 缺点：不同音频片头长度不一致，维护成本高。

5. 全 VOA 路线蓝图（对标新概念 1/2/3/4）

5.0 为什么全部用 VOA

• 许可干净：VOA Learning English 是美国联邦政府作品，全部进入公共领域，可下载 / 裁剪 / 重发布 / 商用，零版权风险。
• 资源完整：每一集都有真人 mp3 + 完整脈络脚本 + 双语字幕，刚好套项目 mp3 + lrc 结构。
• CEFR 梯度连续：VOA 内部有皆太梯度从 A1（Let's Learn English L1）一路走到 B2（VOA News）再到 C1（American Stories / VOA Standard English），足以支撑新概念 1―4 的完整学习路径。
• 不需另外接 OpenStax / ELLLO：OpenStax 所在的学术阈值超出语言课本型能力；ELLLO 虽质量高但许可不允许重发布，不适合打包到 H5 静态资源。全线 VOA 是唯一能同时满足「随便用 + 足水平 + 有音频 + 有脳本」的选择。

5.1 四本书总体架构（类比新概念 1/2/3/4）

所有 4 本书共享同一套 lesson 数据结构（sentences / lrc / mp3 / knowledgePoints / quiz），仅是选择的 VOA 栏目不同。

资源主页：

• Let's Learn English L1: https://learningenglish.voanews.com/p/5644.html
• Let's Learn English L2: https://learningenglish.voanews.com/p/5828.html
• People in America: https://learningenglish.voanews.com/z/3613
• American Stories: https://learningenglish.voanews.com/z/3615
• VOA Learning English News: https://learningenglish.voanews.com/z/3603
• Everyday Grammar TV: https://learningenglish.voanews.com/z/4729

5.2 rl-book-1 (= NCE 1) 完整 36 课

从 Let's Learn English Level 1 选 36 集（原 52 集 → 去重 / 合并复习集），按 NCE 1 的语法递进重排序。每 6 课为一个单元，共 6 单元。

5.3 rl-book-2 (= NCE 2) 课程框架

以 Let's Learn English Level 2 为主线（原 30 集），每集拆为 1 课，加 6 课 Everyday Grammar TV 作为语法专项，共 36 课（6 单元）。

课文路径约定：/static/data/book2/mp3/UNN-LNN-slug.mp3，/static/data/book2/lrc/UNN-LNN-slug.lrc。

5.4 rl-book-3 (= NCE 3) 课程框架

B1–B2 跳跳板。指定人物传记、主题专题、语言背后的文化故事。

5.5 rl-book-4 (= NCE 4) 课程框架

B2–C1。文学改写 + 新闻长文，开始从「听懂」走向「靠语言思考」。

5.6 资产目录约定

static/data/
  book1/mp3/UNN-LNN-slug.mp3
  book1/lrc/UNN-LNN-slug.lrc
  book2/...
  book3/...
  book4/...

• 文件名中 UNN = 单元号（2 位），LNN = 单元内课号（2 位），例：01-03-im-here.mp3。
• 原始 mp3 保持 VOA 原名放在 _raw/ 文件夹，不交付上线；发布版需裁剪片头片尾。
• 每课需带一份 source.json：{ src_url, fetched_at, license: "public-domain", attribution: "Voice of America Learning English" }。

5.7 已上线 Aesop 两课的处理

保留作为「额外经典故事」，迁移到 rl-book-3 的附录单元（U5 Extra Stories），不占用主线课号。

5.8 为什么这个方案会赢

• 一个资源来源 = 一载风格一致：学习者的耳朵从入门到 C1 一直听 VOA 语速与口音，适应曲线最平滑。
• 零版权风险：公共领域，可打包进 /static/，可商用。
• 路径可预测：4 本书同构，后续废弃 / 增补某本不影响其他。
• 对标新概念：每本书都有明确的 CEFR 级别、词汇量、句型范围，能直接告诉用户「你现在是新概念 X 水平」。

<!-- 以下为旧的 OpenStax 分层与 6 阶段 / 24 课蓝图，已被本节替代，保留供历史回溯

旧版 5.0 关于 OpenStax 的诚实评估

OpenStax 本质是面向英语母语大学生的开源教材（写作、心理学、生物、历史等），它不是 ESL 课本，不含 A1-A2 入门级别内容，也没有为零基础学习者配套的对话音频。

直接拿 OpenStax 替代「新概念」做入门课不合适：

• 词汇量：OpenStax 起步即 8000+ 词族，远超 A1-A2（~1500 词）。
• 句长：平均句长 18-25 词，含从句、被动、学术词汇。
• 体裁：说明文 / 议论文 / 学术叙述，缺乏口语对话。
• 音频：OpenStax 大部分书无官方朗读音频。

正确用法：把 OpenStax 放到中高级阅读训练层，入门段用更合适的开源 ESL 资源（VOA Learning English）。rl-starter 演化成「开源英语全梯度路径」的入门书。

5.1 分层课程地图（4 本书，rl-starter 仅是入门书）

本文档后面只详细规划 rl-starter 与 rl-openstax 两本书；rl-reader 与 rl-voa-news 复用同一套资源规范。

5.2 rl-starter（A1-A2）24 课 —— 基于 VOA Let's Learn English

VOA Learning English《Let's Learn English》Level 1 共 52 集，每集 5-7 分钟，官方提供 mp3 + 完整脚本 + 双语字幕，专为 ESL 零基础设计。从中精选 24 集做本课程。

• 资源主页：https://learningenglish.voanews.com/p/5644.html
• 许可：美国政府作品，公共领域，可商用、可裁剪、可二次发布

已上线两课（Aesop）的处理：保留原 lesson 1-2 作为额外「故事拓展课」迁移到 rl-reader 书内；rl-starter 改以 VOA 24 课为主线，让入门书更聚焦、更循序渐进。

5.3 rl-openstax（B2-C1）—— OpenStax 精读

OpenStax 在体系中是「学术英语 + 精读」层。每本教材选 6-8 章精读。

资源准备：

• 文本：OpenStax 官方下载（CC BY 4.0，需注明出处）
• 音频：无官方朗读 → 使用项目内置 Edge TTS 生成 + 句级时间戳生成 LRC
• 路径：/static/data/openstax/mp3/, /static/data/openstax/lrc/
• 标注：每课页脚显示 Adapted from OpenStax (CC BY 4.0) + 原书链接

5.4 为什么这套方案更好

• 诚实：OpenStax 不假装能教 A1-A2，避免学习者被劝退
• 全程开源：VOA + LibriVox + OpenStax 全部 PD 或 CC BY，零版权风险
• 真人音频优先：入门段全部真人朗读（VOA），不依赖 TTS
• 可扩展：4 本书共享同一套 mp3 / lrc / sentences 结构
• 路径清晰：rl-starter → rl-reader → rl-voa-news → rl-openstax，对应 A1 到 C1

附录 A. 旧 6 阶段表

附录 B. 旧 24 课落地清单

-->

6. 当前两课修复动作（优先）

6.1 Lesson 001 修复

• 问题：原始 mp3 有片头，当前 lrc 首句过早出现。
• 动作：

- 重新测正文首句起点；
- 生成裁剪版 lesson-001-lion-mouse.mp3；
- lrc 首句调整为 00:00.00 对应正文第1句。

6.2 Lesson 002 修复

• 问题：同样有片头导致句子提前。
• 动作：同 Lesson 001。

7. 制作流程（每课固定 8 步）

1. 锁定英文版本：V.S. Vernon Jones（Project Gutenberg #11339）。
2. 锁定朗读源：LibriVox 对应章节音频。
3. 下载原始 mp3，保留 src_mp3 记录。
4. 裁剪片头片尾，导出 mp3_local。
5. 按句切分课文，生成初版 lrc（句级）。
6. 人工精调时间轴（目标误差 <= 300ms）。
7. 在 H5 真机与浏览器各回归一次（播放、拖动、逐句点击）。
8. 更新 group1.js 或后续组文件并验收后上线。

8. 可用性验收标准（DoD）

• 播放后 1 秒内出现与朗读一致的第一句文本。
• 任意抽检 10 句，lrc 高亮与人声误差不超过 300ms。
• 拖动进度条后，高亮句可在 1 句内恢复同步。
• 无 mp3 404、无 lrc 404、无跨域失败。
• sentences、lrc、音频文本一致率 100%。

9. 分批交付计划（全 VOA 路线，对标 NCE 1→4）

• 批次 A：rl-book-1 单元 1-2（001-012，问候/家庭，打通流程）
• 批次 B：rl-book-1 单元 3-4（013-024，日常/过去）
• 批次 C：rl-book-1 单元 5-6（025-036，场景/综合，完结 NCE 1 对标书）
• 批次 D：rl-book-2 单元 1-3（001-018，进入 A2-B1）
• 批次 E：rl-book-2 单元 4-6（019-036，完结 NCE 2 对标书）
• 批次 F：rl-book-3 启动（People in America 12 课，B1-B2 入轨）
• 批次 G：rl-book-3 续作 + rl-book-4 试点（American Stories 试 4 课）

每批次完成后，统一执行一次「音频与 lrc 对齐回归测试」。

每个批次完成后，统一执行一次“音频与lrc对齐回归测试”。

10. 实施备注

• 当前线上可以继续使用 archive.org 直链作为过渡。
• 为保证长期稳定与首句对齐体验，建议逐步切换到本地裁剪版 mp3。
• 本文档作为 rl-starter 的唯一资产规划来源，后续新增课程按同模板扩展。

---

11. 管理后台 / 脚本化批量产出流程

目标：今后只要在 plan JSON 里填一行，运行一条命令，就能完成「mp3 下载 + 文稿抽取 + LRC 初稿生成」三件事；剩下只需补中文翻译 + 知识点 + 题目。

11.1 涉及文件

11.2 新增一课的标准 5 步

1. 填表：在 plans/rl-book-N.json 的 lessons 数组追加一行，必填字段：

   {
     "id": "rl-b1-003",          // 唯一 ID，rl-b<册号>-<3位顺序>
     "slug": "classmates",        // 文件名后缀，小写连字符
     "voaUrl": "https://learningenglish.voanews.com/a/.../xxx.html",
     "title": "Classmates",      // 课文标题
     "unit": "L1",                 // 可选：对标 NCE1 哪一单元/课
     "order": 3,                   // 可选：本册中的顺序
     "grammarFocus": "be 动词 + 复数"
   }

1. 跑脚本（CN 开发环境默认走 PowerShell 后端绕过 DNS 污染）：

   cd backend-record-learn
   node scripts/voa/voa-build-from-plan.js scripts/voa/plans/rl-book-1.json
   # 仅重跑一课
   node scripts/voa/voa-build-from-plan.js scripts/voa/plans/rl-book-1.json --only rl-b1-003
   # 覆盖已有产物
   node scripts/voa/voa-build-from-plan.js scripts/voa/plans/rl-book-1.json --force

成功后：frontend-record-learn/src/static/data/book1/{mp3,transcript,lrc}/rl-b1-003-classmates.* 三件套就位。

1. 补中文层：打开 lessons/book1/group1.js，照前两课模板新增一段 lesson 对象——sentences[] 的 text 直接抄 transcript JSON 的 lines，cnText 手填；同时补 translation 段落、3-6 条 knowledgePoints、grammar.points、quiz、summaryQA、source。
2. 注册数量：在 subjects.js 把 rl-book-1 的 totalLessons 改成新的实际课数。
3. 冒烟自测：pnpm dev 打开 H5，在「英语 → Record Learn Book 1」中点开新课，确认：mp3 能播、LRC 高亮、CN 翻译/quiz 显示正常。LRC 自动对齐是均匀分布，必要时用 Audacity 微调首尾时间。

11.3 网络环境注意（CN 开发机）

• 脚本默认 RL_HTTP_BACKEND='powershell'（Win32 自动启用），通过 powershell.exe -Command Invoke-WebRequest 走系统 WinHTTP 栈，规避 Node + UDP DNS 同时被污染的问题。
• 域名 → IP 静态映射写在 voa-fetch.js 顶部 STATIC_HOST_MAP，目前覆盖：

- learningenglish.voanews.com → 168.143.162.42
- voa-audio.voanews.eu → 23.199.47.88
- gdb.voanews.com → 185.45.6.57

• 如某天某域名 IP 漂移导致脚本失败，用 Cloudflare DNS 重新解析：

  Resolve-DnsName -Server 1.1.1.1 -Type A learningenglish.voanews.com

然后更新 STATIC_HOST_MAP，或临时通过环境变量覆盖：

  $env:RL_HOST_MAP = "learningenglish.voanews.com=新IP,voa-audio.voanews.eu=新IP"
  node scripts/voa/voa-build-from-plan.js scripts/voa/plans/rl-book-1.json --force

• 若在海外/不墙环境下，可改用纯 Node 后端：$env:RL_HTTP_BACKEND='node'。

11.4 未来可继续做的自动化（不阻塞当前 MVP）

• transcript→lesson.js 骨架生成器：写一个 gen-lesson-skeleton.js，输入 transcript JSON，输出已经填好 sentences[].text、knowledgePoints 候选词列表的 lesson.js 模板，人工只剩 cnText/解释/quiz。
• GPT 辅助补 cnText / quiz：把 transcript JSON 喂给 LLM，用固定 prompt 输出中文翻译 + 5 道客观题 + 3 个知识点，人工校对后入库。
• 后台 GUI：在管理端做一个表单，对应 plan JSON 的字段；提交后服务端跑同样脚本并把产物推到 OSS / git PR。当前 MVP 阶段先用 plan JSON + 命令行即可。

11.5 已知小不一致

• 5.2 表把 VOA L1（Welcome）列为 Book1-001，但该视频只是欢迎片，无对话文稿，实际抓取从 VOA L2 起步：

- rl-b1-001 ← VOA Lesson 2 Hello, I'm Anna!
- rl-b1-002 ← VOA Lesson 3 I'm Here!

• 后续如要严格对齐 5.2 表，可把 Welcome 当作"零课"独立放在 book1/intro.js，并把后面所有 order 顺移；或者更新 5.2 表说明"Welcome 为前导视频，不计课次"。

总结

根本原因就是 orderedMatchScore 里的一行 bug——未匹配到词时 ci 没回退，导致后续所有词都被阻断。修了这个 + 加了段级匹配 + 位置惩罚后，两课都精准对齐了。

现在项目的对齐工具体系：