项目介绍

**这个应该是目前最强的英语口语学习软件。Gemini的多模态能力目前来说应该是世界第一。

作者之前也尝试过用OpenAI的语音模式学习英语，用OpenAI 的模型时，默认会用英语回答问题，不适合英语不好的用户，而且他也无法识别语调，发音等问题，实际上那种模式是通过语音转文字后进行分析，完全无法分析你的语调和发音问题。

Gemini2.0的多模态功能完美解决了这个问题，目前他可以非常强的理解你的真实发音，而不是单纯的转换成文字后纠正，他可以真正的触达你的真实声音。 下面是我自己练习时的视频，它是可以真正的分析你的发音，真的太强大了！

功能特点

• 🎤 实时语音识别
• 🤖 AI 驱动的发音评估
• 📝 语法纠正
• 🔄 情景对话练习
• 🎯 针对性发音指导
• 💡 智能场景切换

系统要求

• Python 3.11+ (必须)
• 麦克风设备
• 网络连接

前置依赖

需要一个 Gemini的API Key，这个API Key每天免费四百万次，足够使用了。

到这个页面 https://aistudio.google.com/app/apikey 生成即可。

安装方式

1. 克隆仓库：

git clone https://github.com/nishuzumi/gemini-teacher.git
cd gemini-teacher

2. 创建并激活虚拟环境（推荐）：

python -m venv .venv
source .venv/bin/activate  # Unix/macOS
# 或
.venv\Scripts\activate  # Windows

安装依赖：

在安装 Python 依赖前，请先安装以下系统依赖：

• Windows: 无需额外安装
• macOS: brew install portaudio
• Ubuntu/Debian: sudo apt-get install portaudio19-dev python3-pyaudio

pip install -r requirements.txt

使用方法

设定环境 新建一份 .env 文件，将.env.example 内容复制过去，然后修改。

GOOGLE_API_KEY 填写谷歌Gemini的API Key

开启语音功能

这个功能按需开启，ELEVENLABS_API_KEY 是语音功能的API KEY。

获取方式：

• 打开网站 https://elevenlabs.io/
• 点击右上角的Try for free，进行注册，有免费的1000个额度
• 到个人设置中，生成API Key填入即可

python starter.py

1. 按照提示说出英语句子
2. 等待 AI 助手的反馈
3. 根据反馈改进发音

项目预览

项目地址

Github: https://github.com/nishuzumi/gemini-teacher