歌曲对话式训练——让五音不全的人拿下一首歌！
1. Demo 简介
demo-experience.zip (604.7 KB)
产品是什么：
-
帮助五音不全的人练首歌的程序（软件）。你唱一句，它分析一句，以通俗非专业语言对话式反馈哪里该怎么改正，逐句教你，直到练透一首歌；
-
面向谁：初衷是面向KTV 不敢开口的五音不全人群。他们不需要成为歌手，只需要练透一两首歌。这群人占比极高，当下所有唱歌软件都在围着唱得好的人转，几乎没有产品在服务他们。
-
主要功能：
- AI 对话逐句精练——不用一上来就唱整首，按住录音按钮唱一句歌词，松开手 AI 立刻给你反馈 —— 不说胸腔共鸣、低半个音这种普通人听不懂的话，只会直白告诉你：这句“朋友一生一起走”的“走”再往下走，稍微压一点嗓子，跟你平时说话说“走”的音调差不多就行，再试试。整个对话是半唱半聊，整个调子是死记硬背。后续考虑加入艾宾浩斯曲线记忆模式，之前总唱不对的地方，偶尔唱对了，后续也会根据记忆曲线反复。“背会也算学会”
- 曲库或本地上传——系统自动生成参考音高轮廓，即可开始逐句精练。（因为考虑到直接曲库选歌涉及版权，所以增加上传本地文件功能）
- 拓展功能：
- 诊断报告：练习数据自动统计：已练歌曲数、每首歌逐句通过状态、音准能力评估。
- 整首歌挑战打分：跟着伴奏从头到尾唱一遍，AI 会帮你顺下来整首的节奏、衔接，给你整体的调整建议，而且是建议到每句，等你通过，就真的练会这首歌了。
- 互动求助：遇到实在卡壳、练几十遍都不对的句子，可以直接把你的录音发出来，让同样在练歌的普通人帮你听问题；你还可以分享练习这首歌音准的野路子小技巧（技巧从不是歌手的专有名词，也可以是我们练习的小窍门）
2. Demo 创作思路
-
灵感来源于几个真实的场景：
-
KTV、公司搞活动、喜欢的歌想唱对……其实不展开，大家都能脑补出来场景，因为这些场景太普通了，我们每个人要么自己经历过，要么身边就有这样的人。但这个事真的没有被认真解决过。K 歌软件是给麦霸玩的，比分数比粉丝；学唱歌的课是给想当歌手的人准备的，一上来就讲气息共鸣。
-
想解决的问题：
- KTV 能有两首拿得出手的歌；
- 临时出节目不丢人；
- 能把自己喜欢的歌唱对。
- 为什么做这个方向：
- 刚需，刚需，刚需：从上学到工作，唱歌是最常见的社交场景之一，公司团建、朋友聚会、家庭聚餐，KTV 永远是备选项目，不敢开口的人每次都要经历被起哄 - 推辞 - 尴尬-心一横的循环。其实会唱一首歌真没什么大不了，但缺解决了社交焦虑。
- 做了很多减法，只保留这个方向：这个产品要“小而美”，不做“大而全”——不做专业：绝对不碰气息、共鸣、乐理这些内容，我们的目标只有一个 —— 把一首歌唱得不跑调，绝不多添一道门槛；不做压力社交：不搞排行榜，不搞全民 PK，不做陌生人广场，练习过程默认是私密的，用户想分享的时候再分享；不做重研发：一开始就只做微信小程序，不用下载，不用复杂注册，轻量、应急。
- 自信，是最大的收获：其实 90% 的人根本不是真的五音不全，只是从来没有一句一句分解过：可能你的音色被埋没在了音调之下；可能你唱歌真的很好听。一句一句，等你第一次完整唱完一整首歌。—— 这种跨过心理障碍的自信，是最大的收获。
3. Demo 体验地址（三选一）
-
部署随时可公开访问的体验链接；
-
交互式可体验的HTML格式文件，请使用Zip格式打包上传到社区；
-
硬件交互赛道可用演示视频替代在线体验（视频请上传第三方平台后附公开链接）。
4. TRAE 实践过程
-
在 TRAE 中逐模块开发微信小程序，从项目骨架到核心算法，全部通过对话完成。
-
核心算法层：WAV 解析器 + YIN 音高检测算法（纯 JS 实现）+ DTW 动态时间规整对齐 + 音分偏差计算
- 5 个完整页面：首页、选歌（体验模式）、上传（正式练习）、AI 对话逐句精练、诊断报告
- 关键特性：纯本地运行，零服务器成本。所有音高计算、DTW 对齐、AI 反馈生成全部在手机端完成
- 数据层：预设歌曲 + 参考音高数据 + 本地进度存储
-
附开发关键步骤截图：
-
附关键任务对话的 Session ID（不少于 3 个）：
-
1277000611794512:edfc7a23d087a6629da26502e210f2ba_6a3b37bef777495790e9358f.6a3b37c0fb92fc4c583e23fc.6a3b37bef777495790e93590:TRAE Work CN.0.1.32.no_sid.no_ppe.T(2026/6/24 09:50:45)
-
1277000611794512:461ef51712c2cdff62a80384d5c80478_6a3b37bef777495790e9358f.6a3cd0d610a1eab1fb404bd6.6a3cd0d6f9e441a999e16bb2:TRAE Work CN.0.1.32.no_sid.no_ppe.T(2026/6/25 14:58:53)
-
1277000611794512:e57033d8a137878ea4b1a3d17373b3c1_6a3b37bef777495790e9358f.6a3ce0f310a1eab1fb405201.6a3ce0f2d78d43898a8d561e:TRAE Work CN.0.1.32.no_sid.no_ppe.T(2026/6/25 16:13:06)
5. 对应的报名审核通过的帖子链接