Hi Speaking 免費英語跟讀工具，自備 mp3 字幕本機練口說

用 AI 摘要這篇文章：

ChatGPT Claude Perplexity Google Grok

想練英語跟讀（shadowing，聽一句、跟著唸一句的練法）的人，多半遇過同一個小麻煩：播放器要一直騰出手去暫停、倒轉、再播，練沒十分鐘，注意力都花在操作上。Hi Speaking 這個免費網站工具給的答案很直接，用麥克風偵測你的聲音來推進練習，手全程不用碰鍵盤，讓你把精神放在耳朵和嘴巴上。我實際把網站從頭到尾走了一遍，也讀了它載入瀏覽器的程式碼，先講結論：它的跟讀引擎是真的、而且完全在你自己的瀏覽器裡跑；但今天打開它的首頁，公開教材庫是空的，要用的話得自己帶音檔和字幕檔。這篇把能用什麼、不能用什麼一次攤開。

先講今天打開它會看到什麼

hispeaking.com 的介面只有兩個入口：Audio Library（教材庫）與 Audio Upload（上傳）。聽起來像一個打開就有現成內容的學習站，實際狀況要先說清楚：我造訪時，教材庫頁面只留下一個 Public Library（公開庫）標題，底下沒有任何項目。開瀏覽器的開發者工具看連線紀錄，頁面其實有去向它的後端要資料，只是那台伺服器已經停擺，這段下面會細講。

Pin

所以現在要用 Hi Speaking，實際路徑是右邊那個入口：上傳你自己的 mp3 音檔，配上 srt 字幕檔，練習頁就會把兩者對起來。上傳頁寫得很明白：「音檔會存進你的瀏覽器本地儲存空間，不會存到伺服器」。換句話說，教材由你自備，檔案留在你機器上，站方伺服器不經手內容。這個設計在隱私上是加分，在內容上就是它今天唯一走得通的路。

我把一個音檔和字幕丟進去，練習頁動起來了

我用系統內建的語音合成做了一段約六秒的英語音檔，三個句子，再手寫一份對應的 srt 字幕（時間軸對齊每句起迄）。上傳流程很短：頁面上兩個虛線方塊，一個收音檔、一個收字幕，把檔案拖進去或點選都行，選好會打綠色勾勾，按一下 Upload to Browser Storage，右側清單就出現這組檔案，點它直接進練習頁。全程沒有帳號、沒有信箱、沒有廣告插頁。

練習頁的長相樸素但齊全：上方是音檔標題與兩個模式分頁，中間一條波形播放器，下方照 srt 時間軸列出三個句子。按播放，波形上的綠色進度線開始走，走到哪一句，那一句就即時變成藍底粗體、前面的小圓點轉綠。我停格在播放到四成左右的位置確認過，高亮的正是當下那句，對得很準。字幕同步這件事它做到了，跟讀時眼睛跟耳朵有同一個錨點，練長句的時候這個錨點比什麼都重要。

Pin

檔案準備上有個小規矩：音檔收 mp3、字幕收 srt，兩個檔名要一致才會被配成一組。程式碼裡其實另留有 lrc 歌詞格式的解析器，看得出開發者設計時考慮過帶時間標記的歌詞檔，但上傳介面只開放 srt 這一條路，想用 lrc 的人現在沒有入口。另一件要記得的事：檔案存在瀏覽器的本地儲存裡，意味著換一台電腦、換一個瀏覽器，或清掉網站資料，清單就歸零，教材要自己留備份。上傳頁也提供 Clear Uploaded File 讓你手動清掉，隨傳隨練、隨清隨走，跟「檔案不落地伺服器」的設計是同一套邏輯。

兩個模式分頁值得看一眼：Auto 與 Mannual。後者是把 Manual 拼錯了，這種小地方透露出這是一個人自己做的專案，下面談身世時會再印證。兩個模式的差別在推進方式：Auto 的設計是麥克風收到你跟讀的聲音後自動走到下一句，全程不碰鍵盤；Mannual（手動）就是傳統播放器邏輯，自己按、自己等。我在測試環境裡餵的是合成音，Auto 模式的真人聲推進手感無法代為驗證；播放與字幕同步實測是通的，兩個分頁都在，切換後的行為我沒有逐一驗。

Pin

它的語音偵測跑在你的瀏覽器裡，不經過雲端

「AI 偵測你的跟讀」聽起來像把聲音傳到某個大模型去分析，我把網站載入的程式碼翻出來看，實際架構更乾淨：整個練習頁的主要邏輯打包在一個約 612KB 的檔案裡，裡面帶著 Silero 語音活動偵測（VAD，Voice Activity Detection）的引擎程式碼，模型檔會在進練習頁時從公共 CDN 下載到你的機器，再透過 onnxruntime-web 這套瀏覽器內推論引擎直接在你的機器上跑；麥克權限走瀏覽器標準的 getUserMedia，錄音的合併、重取樣、編碼也都在本地完成。我實測時打開練習頁，控制台確實出現模型載入完成的紀錄，整包程式碼裡找不到任何把音訊往外送的端點。

這對使用者有兩層意義。隱私上，你的聲音不出自己機器，跟讀練習這種會持續收音的場景，這點比多數要登入、要上傳的口說 App 令人安心。功能上要認清它的邊界：VAD 判斷的是「現在有人聲活動」，你唸得標不標準、單字有沒有唸錯，它不評分、也沒有任何矯正機制。把它想成一位幫你顧節奏的陪練員，你出聲它就等、你停它就走；至於唸得好不好，還是要靠自己的耳朵對著原音校正，或另外找有評分機制的工具補這一塊。順帶一提，模型檔是進頁面時才下載到你機器上開始運算的，所以第一次進練習頁會多一點載入時間，之後瀏覽器有快取就順了。

給不熟這類技術的讀者一句白話：所謂瀏覽器內推論，就是讓瀏覽器載入一個很小的聲音判斷模型（這裡用的是開源的 Silero），聲音進麥克風後直接在你電腦上算出「有沒有人在說話」，運算全程不經過外部伺服器、聲音也不外送。這類模型的判斷就那一件事，它不知道你說了什麼，也就不可能告訴你說得好不好。理解這一點，對這個工具的期待就不會放錯位置。

流量統計方面，頁面載入了 Plausible 與 Cloudflare Insights 兩套分析腳本，都是頁面層的造訪統計，與你的音檔和麥克風無關，這點從連線紀錄可以對得上。

空的教材庫背後，是一台被暫停的免費伺服器

首頁為什麼是空的，答案在連線紀錄裡：教材庫會去向 hispeaking.onrender.com 要一份公開清單，我直接打那個位址，得到的是 Render 平台的「Service Suspended」頁面，狀態碼 503。Render 是常見的平價雲端託管服務，免費方案有個出名的特性，服務一段時間沒活動或超出免費額度，平台會把它暫停，要站長自己登入喚醒或升級。網站前端攔不到資料，瀏覽器只留下一段連線失敗的錯誤訊息，教材庫就只剩下標題。後端是哪一天開始暫停的，頁面上沒有線索，我只能確認今天的狀態就是如此，也不知道站長會不會把它喚醒。

這件事對使用者的含義比「暫時沒教材」更大：這個工具的內容供給繫在一台免費層的伺服器上，而整個專案看起來是個人作品。網域註冊資料顯示 hispeaking.com 在 2024 年 11 月註冊，到期日是 2026 年 11 月，目前還沒看到續約紀錄。網站上找不到開發者是誰的自我介紹，也沒有連向任何公開的專案頁面，問責對象從缺。好消息是前面實測過的本地引擎不依賴那台伺服器，音檔、字幕、播放、偵測全在你的瀏覽器裡完成；只要網站前端還開著，自備教材的用法就繼續成立。但把長期練習計畫整個押在一個人的免費專案上，風險要自己衡量，教材與進度都留在自己機器才是穩做法。

登入頁還穿著模板，條款與隱私頁不存在

程式碼裡其實有完整的登入、註冊、驗證碼頁面，我直接造訪登入頁，看到的畫面透露的訊息不少：頁面標題就叫 Shadcn Admin，左側掛著一段範本見證「這套元件庫幫我省下無數小時」，署名 Sofia Davis，下方是電子郵件、密碼輸入框，再加 GitHub 與 Facebook 登入按鈕。這是開源後台模板 shadcn-admin 的原始示範頁，幾乎原封不動，還沒換上 Hi Speaking 自己的文案。登入按鈕下方寫著「登入即同意我們的服務條款與隱私政策」，兩個連結點進去都是 404，條款與隱私頁根本不存在。

小地方也一致：首頁的網頁描述把 supports 拼成 sppports，練習頁把 Manual 拼成 Mannual。這些不是致命傷，但疊起來看，帳號系統與法律頁面都停在未完成狀態。網頁描述裡宣稱支援間隔重複與個人化學習，實測的介面裡我沒有見到對應功能，這句先當作者的願景描述看，不要當規格。那兩個 GitHub 與 Facebook 社群登入按鈕，也是模板附帶的裝飾，沒有接任何動作；登入表單在程式碼裡只是把輸入印到開發者主控台的範本殼，還沒接上任何後端。對一般使用者的實際影響倒很有限：自備教材的用法完全不需要帳號，密碼也不用交給一台前途未卜的登入系統。

自備教材的人能用，等平台餵內容的人先繞道

整理成三層現況，方便對號入座：

適合的人很明確：已經有跟讀素材（播客或有聲書的錄音），想要一個不用安裝、聲音也不外流的免費播放器，幫自己顧住「聽一句、跟一句」的節奏。素材從哪來可以發揮：搭配文字轉語音工具把想練的英文稿先唸成音檔，例如 Edge TTS 文字轉語音 或 SpeakIt 以 Azure 語音合成 產生的音檔配字幕，就是自製教材的一條路；想找現成的口說練習素材，可以看之前整理的 Google Translate 口說練習用法。不適合的人也一樣明確：想要打開就有分級教材庫的人、想要發音評分與建議的人、想要帳號與進度紀錄的人，這三種期待今天的 Hi Speaking 都給不了。

用之前兩個動作建議先做：確認瀏覽器能給麥克權限（Auto 模式會用到，屆時瀏覽器會跳出權限詢問，記得允許），以及把你的音檔與 srt 準備成同檔名一組。字幕檔沒有的話，網路上有不少從音檔自動產生 srt 的免費工具，先產出再微調時間軸，半小時內能搞定一份可用的教材。要不要依賴它，判斷標準只有一條：把它當免費的本機跟讀播放器，它稱職；把它當學習平台，現在的它撐不起這個詞。