MusicTutor AI给音乐老师
MusicTutor 如何理解音乐课堂
这一页写的是第一手教学经验，不是通用「AI 笔记」话术：为什么从小提琴起步，以及课堂语言为什么需要专门对待。
为何从小提琴课堂开始
MusicTutor 的开发者本身是小提琴教师并经营个人工作室。产品首先服务「一对一乐器课」里最常见的节奏：备课、上课说话与示范、课后整理、向家长说明、下周再接着教。
小提琴课堂里，技术反馈往往很密——持弓、换把、音准、音色、节奏、乐曲段落会在几分钟内交替出现。若课后只靠记忆写课记，细节最容易丢；若只靠通用转写，术语又最容易错。这正是 MusicTutor 优先打磨的场景。
音乐课堂语音识别的难点
通用中文语音识别面向日常对话。音乐教师课堂用语里，大量词在日常语料中并不常见，或容易被听成别的字，例如：
- 技术动作：持弓发紧、换把、把位、伸张指、弓根弓尖、连顿弓等
- 声音与音乐：音准、揉弦、音色、起速、legato、乐句呼吸等
- 曲目与人名：练习曲号、作曲家译名、作品俗称
这些表达一旦误识别，课后课记就会「看起来通顺、专业上不对」。因此 MusicTutor 不能简单把课堂当成普通会议录音。
针对音乐课堂语言的设计
MusicTutor 为音乐教师课堂语言建立专业术语纠错与乐器领域知识配置：在转写结果上优先校正高风险术语，并在整理课记时结合教学语境（问题、示范、练习），而不是输出一段无法核对的闲聊摘要。
同时坚持老师终审：AI 提供草稿，教师确认后才成为正式课记，避免「机器说了算」。
钢琴 · 大提琴 · 声乐
工作流相同：日程 → 记课 → 课记 → 成长记录 → 可选发给家长。不同乐器使用各自的领域配置与术语习惯；小提琴是首发深耕场景，不是唯一可用场景。