近日，一位开发者为解决自身普通话声调学习的痛点，训练并开源了一个超轻量级的语音评估模型。该模型专门用于对普通话的发音和声调进行实时评分与纠正，为解决语言学习中“听不出自身错误”的普遍难题提供了技术方案。模型采用先进的Conformer-CTC架构，参数量仅为900万，经过约300小时（AISHELL及Primewords数据集）的普通话语音数据训练。其最大亮点在于极致的轻量化与便捷性：模型被量化至INT8精度，体积仅11MB，并能够通过ONNX Runtime Web技术完全在用户浏览器中本地运行，无需后端服务器支持，保护了用户隐私。模型利用维特比强制对齐算法，可对每个音节的发音和声调进行精细化的独立评分。该项目展示了其在小样本、高效率的端侧AI语音应用领域的创新价值，为在线语言教育、语音辅助学习工具的开发提供了新的技术路径。