1. 产品概述
1.1 一句话定位
在一部连载故事里当主角，用目标语言开口推进剧情；角色记得你。
1.2 为什么这样做
| 事实 |
推论 |
| ChatGPT 免费用户也能语音对话（据第三方报道，高级语音每天约 15 分钟）；豆包免费 |
"和 AI 聊天练口语"本身不值得付费，必须提供免费助手没有的东西 |
| Speak 约 $18/月、年化收入约 1 亿美元；Praktika 约 $8/月；据社区消息，Duolingo Max 在 2026 年 9 月已从新用户购买页消失（未经官方确认） |
愿意为 AI 口语练习付费的人很多，但"上课型"产品已经很拥挤 |
| 实时语音接口每分钟约 $0.02~0.11；一个重度用户每月语音 600 分钟 |
按实时语音做 $9.99 的订阅会亏本 |
| ReelShort 2025 年消费额约 12 亿美元；连载内容按集付费已被验证 |
剧情 + 追更可以带来留存和付费 |
| 原始命题是"AI 陪伴 App 出海"，首推的垂直方向是语言陪练 |
保留"陪伴"：角色有性格、有记忆，会主动联系用户 |
结论：做"能开口参与的连载剧"。剧本、配音、插画每集只生成一次，所有用户共享；每个用户的可变成本只来自口语关卡。
1.3 业务目标
| 阶段 |
目标 |
| 第 14 周 |
内测：第一季前 3 集 |
| 第 18 周 |
海外公测：日语第一季 12 集 |
| 第 24 周（公测 6 周后） |
次日留存 ≥ 30%；单集完成率 ≥ 60%；付费转化 ≥ 2%；付费订阅 ≥ 150 |
1.4 非目标
- ❌ 恋人、伴侣、亲属关系设定；任何成人内容
- ❌ 用户自建角色、用户生成内容（审核成本高）
- ❌ 实时视频通话
- ❌ 自由情感倾诉类功能（自伤干预责任重）
- ❌ 人工编剧、人工审稿（内容全部由流水线生成并自动质检）
2. 目标用户
| 画像 |
描述 |
付费理由 |
| P1 动漫爱好者学日语（海外主力） |
18~30 岁，Duolingo 用过但觉得无聊，想听懂动漫 |
追剧 + 能开口，比上课有趣 |
| P2 成人英语口语（国内） |
22~35 岁，职场或出国需求，不敢开口 |
在剧情里低压力地开口 |
3. 核心体验
3.1 一集的结构（8~12 分钟）
开场（上集回顾 + 角色对你打招呼，提到你上次说过的事）
→ 场景 1：插画 + 角色配音 + 双语字幕（可以只显示目标语言）
→ 口语关卡 A：跟读一句（发音评分）
→ 场景 2
→ 口语关卡 B：从 3 个选项里选一个说出来（选择影响剧情分支）
→ 场景 3
→ 口语关卡 C：自由回答角色的问题（大模型理解并由角色回应）
→ 结尾：悬念 + 本集词汇卡 + 发音得分 + 连续打卡
→ 剧集之间：角色发来 1~2 条消息（例如"明天店里有新品，你想吃吗？"），可以用语音回复
3.2 口语关卡
| 类型 |
做法 |
成本 |
| 跟读 |
语音识别 + 发音评分（音素级） |
极低 |
| 选择说出 |
识别用户说的是哪个选项（容错：大意对了就算） |
极低 |
| 自由回答 |
语音识别 → 大模型判断是否合理、是否用了本集目标句型 → 角色用预设语气回应（短回复现合成配音） |
约 $0.005/次 |
| 求助 |
说不出来时可以点"提示"：显示关键词 → 再点显示整句 |
无 |
3.3 陪伴与记忆
- 从自由回答中抽取用户信息（名字、爱好、目标），下一集的开场和角色消息里会用到
- 关系只到"朋友 / 同事"；角色会提醒用户休息，从不诱导用户延长使用
- 界面始终标注"AI 角色"
3.4 自由对话（Pro 功能）
- 在剧情之外，和角色进行自由语音对话
- 采用"语音识别 → 大模型 → 语音合成"的级联方式，不使用实时语音接口
- 公平使用：每天 30 分钟
4. 功能需求
4.1 学习端（P0）
| ID |
需求 |
验收标准 |
| L-01 |
剧集播放器：插画、配音、字幕切换（目标语言 / 双语 / 无） |
移动端流畅；预加载下一场景 |
| L-02 |
口语关卡：跟读、选择、自由回答、提示 |
从说完到出结果 ≤ 2.5 秒（P95） |
| L-03 |
发音评分：整句分 + 标出问题音 |
与人工评分的相关系数 ≥ 0.6（测试集） |
| L-04 |
分支与状态：选择会写入剧情变量，影响后续台词 |
每集至少 1 处分支 |
| L-05 |
记忆：抽取用户事实，下一集开场引用 |
引用正确率 ≥ 95%（自动评测） |
| L-06 |
词汇本、连续打卡、每周报告 |
— |
| L-07 |
角色消息：每集之间 1~2 条，定时推送（网页推送 / 邮件） |
可在设置中关闭 |
| L-08 |
难度设置：初级 / 中级（控制词汇和语速） |
— |
4.2 内容生产流水线（P0，全自动）
| ID |
步骤 |
自动质检 |
| P-01 |
季设定：世界观、角色卡（性格、口头禅、声线、立绘描述）、12 集故事线 |
与禁用题材清单比对 |
| P-02 |
分集大纲：每集的学习目标（3~5 个句型、10~15 个词） |
句型覆盖该难度的大纲 |
| P-03 |
剧本：场景、台词、分支、关卡、提示 |
词汇难度检查：超纲词占比 ≤ 5%；前后一致性检查（角色设定、剧情变量） |
| P-04 |
配音：每个角色固定一个声音，按台词合成 |
自动回听：识别出的文字与剧本一致 |
| P-05 |
插画：角色一致的场景插画（复用 02 的图像引擎） |
视觉大模型检查角色是否一致、有无违规 |
| P-06 |
打包与上线；自动生成 3 条竖屏宣传短视频 |
用户评分 < 3.5 的集自动重新生成 |
4.3 付费与账户（P0）
| ID |
需求 |
| B-01 |
免费：每季前 3 集 + 每天 1 集免费额度（限第一季） |
| B-02 |
订阅 $9.99/月、$59.99/年；单季买断 $14.99。国内：¥30/月、¥168/年、单季 ¥39 |
| B-03 |
海外用代理商户收款；国内用微信支付（iOS 小程序必须走微信"小程序虚拟支付"）；App 端用应用内购买 |
4.4 安全与合规（P0）
| ID |
需求 |
| S-01 |
首次进入确认年龄；13 岁以下不可用；未成年人不开放自由对话 |
| S-02 |
始终提示"AI 角色"；连续使用每 3 小时提醒休息（国内按 2 小时） |
| S-03 |
自伤、自杀相关表达：检测到后停止剧情，给出当地求助资源 |
| S-04 |
输入和输出都做内容安全检查 |
| S-05 |
国内：生成式 AI 登记、未成年人模式、防沉迷；遵守《人工智能拟人化互动服务管理暂行办法》 |
5. 非功能需求与成本
| 类别 |
要求 |
| 单集内容成本 |
≤ $1（剧本 + 配音 + 插画），只生成一次 |
| 每个用户每集的可变成本 |
≤ $0.02 |
| Pro 用户每月可变成本上限 |
≤ $3（含自由对话公平使用） |
| 延迟 |
口语关卡 P95 ≤ 2.5 秒 |
6. 数据指标
| 指标 |
目标 |
止损线（公测后第 6 周） |
| 次日留存 |
≥ 30% |
< 25% |
| 单集完成率 |
≥ 60% |
< 40% |
| 付费转化 |
≥ 2% |
< 1.5% |
| 每集口语关卡完成数 |
≥ 3 |
— |
| 宣传短视频 → 进站转化 |
≥ 1% |
— |
7. 里程碑
| 阶段 |
时间 |
交付 |
| M0 |
第 11~14 周 |
内容流水线跑出第一季前 3 集；发音评分供应商确认；10 位测试用户内测 |
| M1 |
第 15~18 周 |
网页 PWA 公测：12 集、口语关卡、记忆、付费 |
| M2 |
第 19~22 周 |
角色消息、自由对话（Pro）、宣传视频自动发布 |
| M3 |
第 23~24 周起 |
第二季；App 上架；国内版（英语）视资质进度，最早第 25 周 |
8. 风险
| 风险 |
应对 |
| AI 生成的剧情质量不稳 |
多维度自动评测 + 用户评分低的自动重新生成；每季开始前先用 3 集做 A/B 测试 |
| 语音识别对初学者口音不友好 |
选择题采用宽松匹配；自由回答允许多次尝试和提示 |
| 合规（未成年人、拟人化） |
不做恋爱关系；年龄确认；休息提醒；国内按办法执行 |
| 模型成本变化 |
模型网关可以切换；关卡回复用小模型 |
| 日语发音评分无可用供应商 |
第 11 周前确认；没有合适供应商时用备选算法（识别置信度 + 与目标句的假名编辑距离），评分精度较低，界面上只显示"很好 / 还不错 / 再试一次"三档 |
| 学习者用母语表达危机 |
危机检测同时覆盖目标语言和界面语言（见 spec 05） |