v0.7.4 — 四六级语料重建：找回丢失的 26% 内容

这一版在修语料

上一版的字幕有严重的底层问题，用 MiMo ASR 与本地 whisper 交叉核验后发现：音频里说的话，有四分之一没进字幕。

以四级 2015年6月第1套为例，音频里是：

At least 16 people were killed and up to 150 trapped under the rubble when a factory collapsed in an industrial area of Lahore in eastern Pakistan.

字幕里是：

t least 16 people were killed and up to 150 trapped under the rubble...

首字母 A 丢了。这不是个例——四级 49 套里有 1,098 句（14.8%）丢了首字母，1,042 句（14%）在句子中间被切断，点「播放本句」只能听到半句。

根因

原语料的 ASR 管线丢标点、丢词：四级原数据 85,555 词，音频实际 117,957 词，少了 26%。标点全丢导致句子边界消失，切分和锚点跟着一起坏。

怎么修的

用 MiMo ASR 按 60 秒分块重新转写（文本准确），再用 whisper 的词级时间轴对齐（时间准确），两者合成新字幕。

四级 49 套全部重建：

指标	修复前	修复后
词数	85,555	117,957（+38%）
丢首字母	1,098（14.8%）	2（0.02%）
句子被切断	1,042（14.0%）	3（0.03%）

残留的 111 个问题点（缩写误切、块边界、重复碎片）逐个用 MiMo 核验，修掉 109 个。

六级 38 套基线较好（丢首字母 0.8%），核验 196 个疑点后修掉 19 个真问题。

译文补全

字幕重建后行边界全变，原译文全部失效。用 MiMo 重新翻译：四级 8,391 条、六级 7,603 条。

抽检 400 条长句核验质量，2.5% 有瑕疵（多为「过度具体化」），已全部重译修正：

原译	修正
颜色和图表	颜色和地图
这些空间由大脑构建	这些气泡由大脑构建
把压岁钱存进去	把礼金存起来

词典扩容

内置词典原来只收六级词汇，四级的 8,057 个词里有 37% 查不到释义（abolish、acid、acquaintance 都查不到）。

现在两个库都收，并加了「所有格/连字符回退词根」规则（company's → company、four-inch → inch）：

	改前	改后
词条数	7,368	9,567
未命中率	6.78%	2.13%

---

下载哪个

你考什么	下载
四级	juting-v0.7.4-win-cet4.7z（293 MB）
六级	juting-v0.7.4-win-full-cet6.7z（276 MB）
不确定	juting-v0.7.4-win-lite.7z（68 MB，空课程，可后续导入）

老用户：客户端「设置 → 检查更新」会自动下载增量包（程序层 5MB + 媒体层 217-238MB），不需要重下整包。

已知问题

• iOS Safari 未验证（无设备）
• 六级译文是原装的，本轮只做了问题点精修，未整体重译
• 仍有约 2% 的句子存在跨词切断（如 An iPhone + SE with），规则修复会误伤，保留原样

校验

SHA256SUMS.txt 已随附。数据完整性已验证：两库时间戳单调、零重叠、零负时长。