独立开发周记27: 泰语学习APP提交应用市场了

每次新产品上线就一堆bug需要处理，这次距离上次官宣内测app后，现在已经过了2-3周了，内测的活动也结束了，目前已经提交应用市场等待审核。

StudyThai

泰语转写引擎

这里做了一轮新的优化，目前分词/IPA/重叠词的转写正确率有所提升。很多人不理解泰文转写的难度，主要还是泰文没标点符号，一个单词可能是左边的一部分或者右边的一部分，或者单词的一部分，所以经常会出错，而且不像中文拼音一样有一套标准。

他没有官方的标准，所以学习者根据自身的发音出现各种不一样的标准，但是外面更多是按照自己英文的读法随意拼写，所以可能同样的元音会出现ii、ee、ie等各种奇怪的转写，但是泰文里有超过一半以上是外来词或者古梵语词或者巴利文等，所以这些词的读法是特殊的，需要记。

转写和音调个人觉得属于学习泰语初期会使用到的东西，但是到了后期就不需要了，因为泰文是表音文字，直接按照字面泰文读就行了。至于后面声调，还是跟单词走，去记规则用户用处不大，还是要记得单词。

AI阅读助手

之前我们有个功能是可以根据我们学习的单词，然后根据提示词或者场景创建文章，并有5道题目。但是文章有时候读起来费力，所以就搭配了一个AI助手在旁边，可以随时把文章内的一些单词做语法解释，翻译等一些功能

TTS语音

目前免费用户换成Azure Neural，对就是微软的。结果我这个体量一看上个月账单居然花了200多，但是他不是有免费的额度吗？

然后研究了半天那个巨难用的azure后台管理，结合ai说明才找到账单来源，原来是语音服务和azure两个服务是不同的服务（但是后面的接口都一样），我生产用的apikey是是azure里的，没有免费计划，语音服务的key有免费计划，这事情让我十分无语，后面再看看账单是否有正确用户。

说真的，那个azure的管理后台完全就是开发做的，完全没考虑用户交互的问题，我花了1个小时才找到账单来自哪个服务，而且我现在都找不到调用量在哪可以看。

然后我把课程相关的短句、例句、单词等都做了预生成，放到CDN上，然后进入课程单元会预下载音频。结果有用户跑来说音频还是很慢，后来看他截图发现他并没使用课程，而是背单词的功能，背单词的功能主要是单词不可预测，因为来源于用户订阅的词库，所以我就没做预生成，加上换了微软的后，音质虽然提升了，但是生成速度比原来慢1-2秒，用户感知还是很明显的。

这块目前还没考虑好咋优化，目前只是做了一层缓存，如果有用户生成过，后续用户学习这个单词就不需要额外生成音频，会复用之前用户的音频。

另外就是有时候用户会报音频错误，因为生成不是100%符合发音，这里又要提到泰语的特殊性，如果单个单词没上下文或者单词过短，音频生成接口可能无法理解导致，一种方案是找到支持发音辅助的tts，这里就依赖我们ipa的正确性，是一个死结。另外一个就是可能要多生成几个才能有正确的哪一个。或者生成句子再截取音频，反正这块目前优化起来没一个简单的方案，都不是好方案。

另外一个就是重构了之前生成的逻辑，用ssml的模式，默认只生成一套语音，然后通过speed参数去控制播放速度从而实现慢速播放，目前已经在AI老师里加入该功能，其他地方还没加入是我觉得例句很短，没必要听慢速。

发音评测功能

之前的发音直接调用gemini的多模态，第一个是慢，第二个是不稳定。所以这次换成azure的评测接口，可以做到一个句子里不同单词哪些说对哪些说错了，效果看起来还不错，但是缺点也很明显，就是贵。所以接下来可能考虑是否能换成一些本地语音小模型，通过把语音转成文本，然后对比文本来进行评分，缺点是可能评测没之前那么好，但是优点很明显就是不要钱，这样的话口语练习的功能也能单独做一个入口做专项练习

反馈系统

之前的反馈都是存数据库，一直没做管理端，所以没太管，现在直接对接了GitHub Issues ，然后让claude去拉取后解决，会更加方便。然后单词和课程里也加入相应的提交交互，这点参考了多邻国里的交互方式。

应用市场提交

因为提交苹果需要有这2个，所以就只能加上了，没啥好说明的。另外做了一个skil，可以根据项目把需要提交应用市场的文案以及aso keyword等都写出来，还能生成功能介绍截图等，对接上asc cli，基本上解决大部分提交问题，不过有些地方还是需要去网页上操作一下。

然后就是把市场端的版本对接IAP，google play和appstore的对接，所以现在app分成直装版和市场版，目前还没打算上国区，因为前期要处理的事情太多了。

createio

最近有时间就打算把这个站点稍微调整一下交互，把一些老旧模型下架，调整了一下提示此输入的方式。并且把订阅下架，只保留积分包的形式，并且调整一下积分的额度，然后多对接了一个接口供应商。

我觉得这些接口供应商应该推出一个服务可用性的接口，太不稳定了。

openowl

这次打算搞一个小工具，一个开发的ide，说是ide可能有点过了，更像一个terminal的拓展。目前我开发大部分转移到ghostty这个terminal上了，warp主要的问题还是太吃内存，而且经常会误调用他的AI功能太浪费时间。

然后之前一直使用的conductor不知道为啥脑抽了，更新了一个版本开始搞todo了，本来我就是用来做worktree管理的，结果现在把这个功能搞的不知道咋用。另外就是cursor现在对于我来说就是一个git和文件查看的功能，git能可视化提交代码，然后能自动生成commit message。

看到这你知道要做个什么东西了，就是一个文件管理+git+terminal，很多人可能会说你要的这些cursor也能用啊。但是实际上用终端的基本上不会去用cursor的terminal，比如分屏功能，他不支持快捷键分屏，然后文件浏览器又会占用视图，要自己手动再切换到其他模式，git不方便管理worktree等等。

所以我就自己做了一个，第一版的方案选择是electron+ghostty-web来实现，但是问题也很大，需要写大量的桥和监听 ，光是ghostty-web的bug就打了至少5个patch，后来觉得这样不是办法，直接用libghostty+swiftui来写一个新的，目前碰到的问题是terminal输入有点小问题，其他的需求基本上实现的差不多了。

openclaw

相比之前只是技术圈比较火的小龙虾，这会全民狂欢了，连我哥都跑来问我这个。但是说一个扎心的事情就是，这玩意稳定性太差了，我的小龙虾都宕机了2周了，他每天一个版本，然后最重要的核心gateway经常升级后就挂了无法启动。所以大部分人安装了之后，剩下的时候都在调整那个啥都干不了的小龙虾。

第二个是后面的模型，大部分连20刀一个的gpt都不愿意订阅，你希望是订阅199一个月的国产大模型？这也是一个问题，如果你不花钱，那么他就真啥都干不了。就算你订阅了，他也没你想的理想，首先他没项目概念，所以你去他工作区看只有一堆散落的脚本文件，导致后续你调整成本越来越高，我之前接入的是gpt，结果1天就把我一周额度用完了。如果你接apikey忘记设上限，那就等着吃大账单吧。

装了之后日常就是你还活着吗，为什么xxx的任务没执行，然后跟你说你自己去目标机器上重启等等。但是这玩意的好处在于相比之前的任务，你可以继续询问补充，接下来会抽点时间重新配置好跑一些东西。