AI 英语口语陪练 (AI English Speaking Tutor)

基于 Go + Vue 3 的 AI 英语口语陪练平台，支持实时语音对话和文字对话双模式。

📺 视频讲解：Bilibili 视频链接

功能特性

核心功能

• 🎯 三场景切换：日常对话 / 商务英语 / 雅思托福考试模拟
• 🎤 语音对话：按住说话，ASR 流式识别（边说边转，<500ms）+ AI 语音回复
• 💬 文字兜底：文字输入始终可用，语音不可用时自动切换
• ⚡ 流式回复：LLM 实时流式输出 + TTS 预生成（LLM 生成 3 句后并行合成语音）
• 📝 语法纠错：LLM 异步分析语法/用词/发音错误，分类高亮展示
• 🔊 发音评分：0-100 分综合评分（绿≥80 / 黄≥60 / 红<60）
• 📜 历史记录：按场景筛选查看过往对话，支持删除
• 🛡️ 限流保护：IP 滑动窗口限流，每 IP 每分钟 10 次请求
• 📖 Swagger 文档：/swagger/index.html 交互式 API 文档

性能优化

指标	目标	实现
ASR 识别延迟	< 500ms	流式识别 + 中间结果实时推送
LLM 首字延迟	< 1s	豆包 Pro 流式输出
TTS 生成延迟	< 2s	预生成：LLM 生成 3 句后即并行合成
并发支持	≥ 100 路	Go 协程 + WebSocket 长连接

技术栈

组件	技术
后端框架	Go 1.22+ + Gin
实时通信	WebSocket (Gorilla)
大模型 LLM	火山引擎 豆包 Pro 4.0
语音识别 ASR	阿里云智能语音（流式）
语音合成 TTS	阿里云智能语音（MP3）
文件存储	阿里云 OSS + CDN 加速
数据库	MySQL 8.0
缓存	Redis 7.0
前端框架	Vue 3 + TypeScript + Vite
UI 组件库	Element Plus
状态管理	Pinia
API 文档	Swagger (swaggo)

项目结构

├── cmd/main.go                       # Go 后端入口（所有逻辑）
├── internel/momel/                   # 数据模型 + DB/Redis 操作
│   ├── db.go                         # 数据库 & Redis 初始化
│   └── conversation.go               # 会话 & 消息 CRUD（含缓存）
├── internel/momel/package/pkg/       # 第三方服务封装
│   ├── asr/aliyun_asr.go             # 阿里云流式语音识别
│   ├── tts/aliyun_tts.go             # 阿里云语音合成
│   └── oss/aliyun_oss.go             # 阿里云 OSS + CDN
├── docs/                             # Swagger 自动生成文档
├── frontend/                         # Vue 3 前端
│   └── src/
│       ├── pages/                    # ChatPage / HomePage / HistoryPage
│       ├── components/chat/          # ChatWindow / MessageBubble / VoiceRecorder / TextInput
│       ├── components/common/        # AudioPlayer / SceneSelector
│       ├── stores/                   # Pinia: conversation / websocket
│       ├── api/                      # REST API 封装
│       ├── router/                   # Vue Router 配置
│       └── types/                    # TypeScript 类型定义
├── Dockerfile                        # 多阶段构建
├── docker-compose.yml                # 一键部署 (app + mysql + redis)
└── .env.example                      # 环境变量模板

快速启动

1. 环境变量

cp .env.example .env
# 编辑 .env，填入你的 API 密钥

必填：

• DOUBAO_API_KEY — 火山引擎豆包 API Key
• ALIYUN_ACCESS_KEY_ID / ALIYUN_ACCESS_KEY_SECRET — 阿里云 AK
• ALIYUN_ASR_APPKEY / ALIYUN_TTS_APPKEY — 阿里云语音 AppKey

可选：

• MYSQL_DSN — MySQL 连接串（不配则用内存存储，重启丢失）
• REDIS_ADDR — Redis 地址（不配则不使用缓存）
• ALIYUN_OSS_ENDPOINT / ALIYUN_OSS_BUCKET — OSS 配置（不配则音频存本地）
• ALIYUN_OSS_DOMAIN — CDN 加速域名

2. 后端

go run cmd/main.go
# 服务器启动在 :8080
# Swagger: http://localhost:8080/swagger/index.html

3. 前端

cd frontend
npm install
npm run dev
# 开发服务器 → http://localhost:3000

4. 数据库（可选，用于持久化）

CREATE TABLE user_conversations (
    id BIGINT PRIMARY KEY AUTO_INCREMENT,
    user_id BIGINT NOT NULL,
    scene VARCHAR(20) NOT NULL COMMENT 'daily/business/exam',
    title VARCHAR(100) DEFAULT NULL,
    created_at DATETIME DEFAULT CURRENT_TIMESTAMP,
    updated_at DATETIME DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
    INDEX idx_user_scene (user_id, scene)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

CREATE TABLE user_messages (
    id BIGINT PRIMARY KEY AUTO_INCREMENT,
    conversation_id BIGINT NOT NULL,
    role VARCHAR(10) NOT NULL COMMENT 'user/assistant',
    content TEXT NOT NULL,
    audio_url VARCHAR(255) DEFAULT NULL,
    correction TEXT DEFAULT NULL COMMENT '纠错 JSON',
    pronunciation_score TINYINT DEFAULT NULL COMMENT '0-100',
    created_at DATETIME DEFAULT CURRENT_TIMESTAMP,
    INDEX idx_conversation (conversation_id)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

Docker 部署

# 一键启动（含 MySQL + Redis）
docker-compose up -d

# 查看日志
docker-compose logs -f app

# 停止
docker-compose down

服务端口：

• 后端 API：http://localhost:8080
• Swagger：http://localhost:8080/swagger/index.html

API 接口

方法	路径	说明
POST	/api/conversations	创建新会话
GET	/api/conversations?user_id=&scene=	获取会话列表
GET	/api/conversations/:id	获取会话历史
POST	/api/message/text	文字消息兜底
DELETE	/api/conversations/:id	删除会话
WS	/ws/chat/:id	WebSocket 实时对话

WebSocket 消息类型

type	方向	说明
asr_interim	后端→前端	ASR 中间识别结果（实时展示）
asr_result	后端→前端	ASR 最终识别结果
llm_chunk	后端→前端	LLM 流式回复片段
audio_result	后端→前端	TTS 合成语音 URL
correction_result	后端→前端	纠错分析 + 发音评分
error	后端→前端	错误消息

限流

所有 /api/* 接口：每 IP 每分钟最多 10 次请求，超限返回 429 Too Many Requests。

架构

浏览器 ──WebSocket──▶ 后端 ──流式──▶ 阿里云 ASR（语音→文字）
   │                    │
   │                    ├──流式──▶ 豆包 Pro（生成回复 + 纠错）
   │                    │
   │                    ├───────▶ 阿里云 TTS（文字→MP3）
   │                    │
   │                    ├───────▶ 阿里云 OSS / CDN（存储音频）
   │                    │
   │                    ├───────▶ MySQL（持久化）
   │                    │
   │                    └───────▶ Redis（缓存）
   │
   └── HTTP ──▶ Vite 代理 ──▶ 后端 REST API