Lingua 是一个面向语言学习的播放器。它把音视频、字幕、逐词时间轴、注音、转写、词性、译文和词汇讲解放在同一条学习流程。支持 Android、iOS 和 Web 平台。支持日语、英语、西班牙语、法语、德语和韩语。
- 支持导入音视频：WAV、MP3、M4A、FLAC、OGG、OPUS，以及 MP4、WebM、MOV 等。
- 支持词级 JSON、带内联时间戳的 WebVTT、普通 SRT / VTT。
- 支持展示日语假名与罗马音、韩语发音与罗马字、英语/西班牙语/法语/德语音标与原形。
- 支持句子成分分解、词性着色、逐词高亮、音标显示、原形显示。
- 支持接入大模型自动生成翻译，以及按需生成单词和句子讲解。
- 支持画中画播放、字幕悬浮窗、变速播放、单句重复、字幕自动跟随。
- 支持收藏单词与句子，搜索筛选、学习笔记、自测、掌握标记。
- 本地保存音视频、分析结果与大模型产物，支持用户数据导出、导入。
- 内置工作台支持本地音频提取、压制，以及在线转录、快捷导入。
项目分为前端和分析后端。前端可独立运行，但句子成分分解、词性分析、注音和词形还原等功能需要分析后端提供的 API。
在 Releases 下载对应安装包。
首次部署先复制配置文件：
cp .env.docker.example .env.docker编辑 .env.docker，设置 LINGUA_API_TOKEN。
拉取已发布的镜像并启动：
docker compose --env-file .env.docker pull
docker compose --env-file .env.docker up -d --no-build --wait在 .env.docker 中设置 LINGUA_IMAGE=lingua:local，然后构建并启动：
docker compose --env-file .env.docker build
docker compose --env-file .env.docker up -d --no-build --wait- Android：在浏览器中打开页面，添加书签到主屏幕。
- IOS：在 WebClip 添加 WebClip。
- 在首页导入音频或视频，选择源语言，即可进行播放。
- 在播放页导入字幕，即可直接显示原文并按句定位播放。
- 句子成分分解、注音、原形和词性等分析功能，需要在「设置 → 分析后端」配置分析后端地址和访问令牌。
- 翻译、单词和句子讲解等大模型功能，需要在「设置 → 大模型」填写接口地址、模型名和所需的 API Key。
- 在词卡或长按句子的面板中点击「收藏」，通过底部「收藏」入口集中学习。
设置按作用范围分为三类：
- 连接与模型：分析后端地址、访问令牌、大模型地址、API Key、模型名、提示词和调用参数。
- 学习偏好：目标学习语言、各源语言的默认显示层、字幕元素的大小显示、软件的主题色。
- 数据管理：导入/导出数据、补充缺失文件、查看存储明细和清理模型产物。
- 更新管理：检查更新、下载更新、安装更新。
在「设置 → 系统」开启「实验性功能」后，底部导航的首页与设置之间显示工作台。
- 普通 MP4 的 AAC/ALAC 原音轨直接分离为 M4A。
- 已有无损 WAV 直接复用，其他支持的格式解码为浮点 WAV，保留原采样率与声道。
- 下采样聆听音频生成 16 kHz MP3 用于转录。
- 点击「转录接口配置」，设置 OpenAI 兼容接口地址、API Key、模型与结果格式。
- 输入音频可直接引用第一步的聆听原音频，也可引用第二步的 ASR 音频。
兼容 Whisper、WhisperX 和 faster-whisper 常见结构。示例：
{
"language": "ja",
"segments": [
{
"start": 0.0,
"end": 2.4,
"text": "今日はいい天気ですね。",
"words": [
{"word": "今日", "start": 0.0, "end": 0.6},
{"word": "は", "start": 0.6, "end": 0.8}
]
}
]
}支持句级时间戳并按整句高亮。
支持卡拉 OK 风格的 <00:00:01.400> 标记，后端会将其转换为词级时间片段。
| 代码 | 语言 | 分词引擎 | 上层文字 | 下层文字 |
|---|---|---|---|---|
ja |
日语 | MeCab + UniDic | 假名 | 罗马音 |
en |
英语 | spaCy | 音标 | 原形 |
es |
西班牙语 | spaCy | 音标 | 原形 |
fr |
法语 | spaCy | 音标 | 原形 |
de |
德语 | spaCy | 音标 | 原形 |
ko |
韩语 | spaCy | 发音 | 罗马字 |
返回版本、schemaVersion、支持的字幕格式和语言依赖状态。?probe=1 会实际检查语言分析器依赖。
请求体为字幕原文，参数包括：
lang：源语言代码。id、title：音频标识和标题。split：是否按停顿拆分长句。merge：是否合并形态素。estimate：无词级时间戳时是否估算词时间。duration：音频时长。name：字幕文件名。
响应结构：
{"ok": true, "log": ["..."], "track": {"schemaVersion": 2, "sentences": []}}- LinuxDo LinuxDo 官方网站。
- lamejs LAME 官方网站。
- MeCab MeCab 官方网站。
- UniDic UniDic 官方网站。
- spaCy spaCy 官方网站。
- Capacitor Capacitor 官方网站。
- g2p-en g2p-en GitHub 仓库。
- hangulpy hangulpy GitHub 仓库。
- eSpeak NG eSpeak NG GitHub 仓库。
本项目使用 MIT License，详见 LICENSE。