标日中级上

标日中级上 → Anki 牌组生成规范

RULE

4对照表
12小节

本文件是生成规范，00_PLAN.md 是方案蓝图，两者配套。所有脚本/数据/产物必须遵守本 RULE。定稿：2026-09-07

0. 铁律（不可违反）

PDF 是唯一权威源：只从 三圆词汇表.pdf 生成，绝不从 md 笔记生成（md 也是从 PDF 来的）。
每个字段带 src 标记：src ∈ {pdf, ai, rule, tts}，溯源可查。
CardId 稳定不变：是反馈主键，重生成时绝不变化。
凭证不进任何文档/脚本/git：TTS API Key 等只放 config.local.json，加入 .gitignore。

1. 数据流

Mermaid 图站内不渲染

flowchart LR
    A["PDF 源<br/>(权威)"] -->|"pypdf 提取"| B["词汇数据.json<br/>(主数据·含 CardId/src/page)"] -->|"genanki"| C["标日中级上_词汇.apkg<br/>(产物)"]
    B -->|"TTS"| D["音频/*.mp3"]
    B -->|"导出"| E["卡片索引.tsv"]
    C --> F["Anki 导入"]
    D --> C

2. CardId 规则

格式：L{课号2位}-{圆数}-{序号3位}
课号：01~16（两位补零）
圆数：A1 / A2 / A3（对应一圆/二圆/三圆）
序号：该词在本课本圆数内的出现顺序（从 1 起，三位补零）
例：L01-A3-012 = 第 1 课三圆第 12 词
稳定性：序号基于 PDF 内出现顺序，只要 PDF 不变，重生成 ID 不变

3. 字段定义（完整清单）

字段	内容	来源 src	必填	说明
`Lesson`	课号 `01`~`16`	`pdf`	✅
`Tier`	`A1`/`A2`/`A3`	`pdf`	✅	圆数
`CardId`	`L01-A3-012`	生成	✅	主键/反馈 ID
`Word`	見出し語（汉字优先，无汉字用假名）	`pdf`	✅
`Kana`	读音（假名）	`pdf`	✅
`Pitch`	声调（`⓪`~`⑨`）	`pdf`	✅	`◯` 归一化为 `⓪`
`Pos`	词性（标日体系）	`pdf`	✅	见 §4
`Def`	释义（简体中文）	`pdf` + `ai`	✅	A1 无释义时 AI 补
`Example`	例句原文（多句用 `;` 合并）	`pdf` + `ai`	⚠️	A1 无例句时 AI 补
`ExampleFurigana`	例句振假名（`漢字[かな]`）	`rule`	⚠️	见 §5
`ExampleDef`	例句中文翻译	`ai`	⚠️	每条例句一条
`Note`	关联词/反义词（`関`/`対`）	`pdf`	⚠️	只保留日语部分
`Audio`	单词音频文件名 `{CardId}.mp3`	`tts`	⚠️	见 §6
`ExampleAudio`	例句音频文件名 `{CardId}_ex.mp3`	`tts`	⚠️	见 §6
`src`	溯源标记（dict：字段→来源）	生成	✅	见 §7
`page`	PDF 页码（该词所在页）	生成	✅	溯源坐标

4. 词性体系（标日）

标日词性	说明	github 对应
`动1`	五段动词	`[動1]`（1=五段）
`动2`	一段动词	`[動2]`（2=一段）
`动3`	カ変・サ変动词	`[動3]`（3=カ変・サ変）
`形1`	一类形容词（い形容词）	`[形]`
`形2`	二类形容词（な形容词）	`[形]`
`名`	名词	`[名]`
`副`	副词	`[副]`
`连体`	连体词	`[連体]`
`连`	接续词	`[接]`
`专`	专有名词	`[名]`
`接辞`	接头/接尾词	`[接]`
`代`	代词	`[代]`
`惯用`	惯用表达	`[補]`
`接续`	接续助词等	`[補]`

无词性标注的词条：用启发式填充（def 含 ~ → 接辞；短惯用 → 惯用；代词 → 代），仍无法判定标 未标注，进抽查清单。

5. 例句振假名注音规则

注音范围：只对「常用漢字表」范围外的汉字注音；表内汉字（2136 字）不注。
判定标准：日本文化厅常用漢字表2010 改定版。
技术实现：sudachi（或 fugashi）形态素分析 → 取每词读音 → 对「表外汉字」生成注音。
Anki 格式：字段内写 漢字[かな]，Anki 原生渲染振假名（无需 HTML ruby）。
片假名词：不注音。
例句翻译：每条例句配一条中文翻译，写入 ExampleDef。

6. 音频规则

命名：单词 {CardId}.mp3，例句 {CardId}_ex.mp3。
存放：标日中级上/Anki牌组/音频/ 目录。
引擎（已定 ✅）：Azure TTS，voice=ja-JP-NanamiNeural，endpoint=https://eastasia.tts.speech.microsoft.com/cognitiveservices/v1，格式 audio-24khz-48kbitrate-mono-mp3（与 github 音频策略一致：本地 mp3 打包进 apkg）。
合成文本：单词音频合成 Kana（假名读音） 而非汉字形式，保证发音准；例句音频合成 Example 整句，;/； 分隔的多例句替换为 。 读成多句。
凭证：只读 config.local.json，绝不硬编码进脚本。
重生成：音频文件名不变，换引擎只需重跑 P4，卡片无需重导。
断点续传：已存在且 >100 字节的文件跳过（幂等）。
并发/重试：6 线程 + 429/5xx 指数退避。

7. 溯源 `src` 标记规则

每条词记录一个 src dict，例：

``json {"Word":"pdf","Kana":"pdf","Def":"ai","Example":"pdf","ExampleDef":"ai","ExampleFurigana":"rule","Audio":"tts"} ``

只有 PDF 直接抽出的字段标 pdf；AI 补的标 ai；注音标 rule；音频标 tts。
卡片表面不显示 src，溯源信息只在 JSON + 卡片索引.tsv。

8. 反馈机制规则

卡片背面底部显示 📋 {CardId}，用户直接复制。
反馈格式：<ID> <问题类型> <具体内容>
问题类型 ∈ {释义, 例句, 翻译, 词性, 声调, 关联词, 注音, 音频, 其他}
收到反馈 → 读 JSON 定位 → 改该条 → 重生成 .apkg（同 ID，Anki 自动更新）。

9. 分阶段执行规则（Phase gate）

Phase	内容	通过标准
P1	PDF → JSON（含 CardId/src/page）	1612 条，抽查 3 课无误
P2	AI 补齐释义/例句/翻译	A1 词全部补齐，抽查
P3	例句注音	表外汉字全部注音，抽查
P4	音频合成	音频文件数 = 单词数 + 例句数
P5	生成 apkg + 抽查校对	词性/释义异常项清单清零
P6	README + 交付	反馈约定可跑通

每完成一个 Phase，停下来给用户看产出，确认后再进下一个。

10. github 参考卡片设计（对齐基准，2026-09-07 核对）

已逐行读 deck-source/templates/ 4 模板 + CSS（本地 reference/）。核心结论：我方字段已覆盖其核心层，不必照搬重交互。

维度	github 做法	我方对齐
正面	词+注音 ruby、音调、单词音频、例句列表	Word/Kana/Pitch/Audio
背面	全假名+音调、词性徽章、简繁释义、补充、例句注音/翻译/音频	Kana/Pitch/Pos/Def/Note/Example…/双音频
音频	本地 mp3 `[sound:]` 打进去（词真人 / 例句 VOICEPEAK）	Azure TTS 本地 mp3（同思路）
圆数标记	标签 `N3高频`/`カタカナ語`/`オノマトペ`/`②`/`[他動1]`	Tier 徽章（A3红/A2橙/A1灰）+ 词性
反馈	JS 跳 GitHub Issues	`CardId` 直接复制（更轻量）
注音	只标常用漢字表外难字	按用户要求全文注音（P3）
重交互	简繁切换/词典跳转/关联高亮/版本检测	第一版不做，聚焦核心学习层

11. 抽查校验清单

☐ 词性异常项（如 なみだ（涙）①【①】 应为 【名】）
☐ 多词联合行（国際連合／国連）是否拆成 2 卡
☐ 乱码中文（GARBLED_RE）是否截断干净
☐ 例句续行是否被误判为独立词条
☐ 圆数过渡切分是否准确（对比笔记 03_词汇.md 圆数分布）
☐ 注音只落在「常用漢字表外」汉字
☐ 音频文件名与 CardId 一一对应

0. 铁律（不可违反）

1. 数据流

2. CardId 规则

3. 字段定义（完整清单）

4. 词性体系（标日）

5. 例句振假名注音规则

6. 音频规则

7. 溯源 src 标记规则

8. 反馈机制规则

9. 分阶段执行规则（Phase gate）

10. github 参考卡片设计（对齐基准，2026-09-07 核对）

11. 抽查校验清单

7. 溯源 `src` 标记规则