毎日5分から回せる、自分専用の英会話ジム。録音した声をローカルで文字起こしし、AIが会話相手とコーチを務め、練習履歴が貯まっていく — すべて自分の Mac の上で。 A local-first, research-grounded English speaking practice app for daily self-study on macOS.
個人開発のツールを公開しているものです。Issue / PR は歓迎しますが、対応は保証しません。
1日1本、5〜10分で終わる単品ドリル。研究上、総学習時間より「頻度と完了」が上達に効くため、これが日々のデフォルト導線です。
- 音読ウォームアップ（6分） — 今日のお題の表現チャンクを声に出して準備。各表現は🔊ボタンでネイティブ音声を聞ける
- くり返しトーク 4/3/2（8分） — 同じ話を制限時間を縮めながら2回話す流暢性トレーニング。話す前に「表現・話の骨組み・モデルトーク」の準備フェーズがあり、ラウンド間には AI が言い間違いを日本語で解説
- ロールプレイ（10分・日常/ビジネス/IT の3種） — レストランや旅行、会議や日程調整、障害対応やベンダー対応など、選んだ場面のシナリオで AI と役割練習
- シャドーイング（5分） — AI が生成した短いモデルトークに重ねて発話。「日本語訳と解説」ボタンで全文訳と表現ポイントも確認できる
音読ウォームアップ → 4/3/2 → ロールプレイ → シャドーイング → 振り返り、の5ブロック通し練習。振り返りでは今日の発話から AI が改善ポイントをまとめます。
英語でただ話す。録音ボタンを押して話すと、ローカルで文字起こしされ、AI が音声で返してきます。
会話でそのまま使える文法・言い回しを網羅したオリジナル390文。文法・機能25分類（日常/ビジネス/IT）に加えて、依頼・断り・聞き返し・言い換え・相槌という5つの会話機能を、難易度帯（入門/中級/上級）ごとに30文ずつ収録しています。日本語を見て声に出す → 答え合わせ（音声つき）→ 3段階の自己評価という産出リトリーバル型で、評価に応じて 1→3→7→14→30→60日 の間隔反復（SRS）が次の出題日を決めます。一覧モードでは全文をフィルタ・音声つきで眺められます。
390文すべての音声はリポジトリに同梱済み（content/sentences/audio/、OpenAI TTS で事前生成したAI音声）なので、OpenAI キーなしでもネイティブ品質の音声で練習できます。
レベルに合った短い英語を、スクリプトを隠したまま通しで聴くリスニング練習。3つのレベル帯（入門/中級/上級）× 3ドメイン（日常/ビジネス/IT）で均等に用意した42本（各2〜4分）を収録し、音声はすべてリポジトリに同梱済み（OpenAI TTS で事前生成）。聴き終えたらボタンでスクリプト表示・日本語訳と表現解説も確認できます。聴いた本数は「今週◯本」の情報表示のみでノルマはありません。素材は生成CLIで自分のレベルに合わせてさらに増やせます。
お題62本・ロールプレイシナリオ45本・多聴42本は、いずれも3つのレベル帯（入門/中級/上級）× 3ドメイン（日常/ビジネス/IT）で均等本数を満たすように用意されています（帯適合の主要教材がお題36本・シナリオ27本・多聴36本、残りは複数帯にまたがる資産として温存）。カバレッジは bun scripts/check-content-coverage.ts で機械検証でき、不足があれば非ゼロ終了します。
4/3/2 の準備チャンク（prepPack）とモデルトーク（シャドーイング用のお手本音声）も、対象36お題×帯内2stage分＝72通りを事前生成して同梱済み（content/topic-assets/・モデルトークは音声も同梱。準備チャンクの音声は再生時にその場で合成しローカルにキャッシュ）。実行時はこの同梱データ → DBキャッシュ → その場での生成、の順に解決するため、レベルが上がって新しいお題に切り替わっても待ち時間が発生しにくくなっています。生成教材はすべて機械検証（話し言葉として自然か・完全文か等）を経て同梱しており、検証NGの生成物は手で直さず再生成しています。
教材の在庫状況により、選んだドメインの教材が無く別ドメインへ振り替わったり、レベル帯にちょうど合う教材が無く帯を跨いで出題されたりしたときは、練習画面に「近いレベルの教材を選びました」という一言が表示されます（学習の進行を妨げない情報表示のみで、警告やペナルティではありません）。
練習の難易度はレベル（Lv1〜、上限なし）が駆動します。4/3/2 の持ち時間、モデルトーク・準備チャンク・言い直し例の語彙と構文（入門帯は A2・短文中心）、お題の帯域がレベルに応じてなだらかに変化し、ブロック完了や例文の自己評価で貯まる XP がレベルを押し上げます。ステージ境界（Lv10/20/…）だけは自動で跨がず、実績（練習日数・完了率）を根拠つきで提示して承認制で昇格します。降格も「調整の提案」としてのみ出ます — 完了率や中断だけでなく「時間はかけたのに発話が伸びない」実測シグナルも材料にしつつ、XP は減らず、自動降格もありません（動機づけ研究の知見に沿った情報的フィードバック設計です）。各練習画面には難易度の実態チップ（「Lvに自動調整」「Lv帯で選ぶ」「全レベル共通」）が表示されます。
初回は**レベル測定（約10分）**がおすすめ: 自己紹介 → 状況説明 → 意見の3タスクを録音すると、CEFR 記述子ベースのルーブリックで開始レベルが提示されます（反映するかはあなたが決めます）。以後は30日ごとに月次測定の導線が出て、話す力の変化を定点観測できます。
30日ごとに Progress 画面で月次レビューも書いてもらえます。直近30日の練習時間・調音速度・例文の定着・収集チャンクなどをまとめた日本語の振り返りレポートです（情報表示のみ・ノルマや判定はありません）。
- 生成されたモデルトークは自動でライブラリに保存され、あとから本文確認・再再生できる
- ホームの GitHub 風カレンダー（その日に得た XP に応じて草の色が濃くなる5段階表示。例文の自己評価だけの日にも草が生えます）と練習記録（今週◯日・累計◯日）で継続が見える。連続日数を煽る演出は意図的に置いていません（切れたときのモチベーション低下が研究で示されているため）
- 練習フィードバック: セッション完了・自由会話・多聴の後に「今のはどうでしたか？（キツい/ちょうどいい/簡単 + 任意メモ）」の1タップ評価。溜まった記録は「フィードバック」画面で一覧・Markdown コピーでき、アプリ改善の入力に使えます（タップしなければ何も起きません）
- サイドバーは今日の練習 / 自主練 / 記録・測定の3セクション構成。自主練の取り組み順ヒント（聞く→覚える→話す）を ⓘ で確認できます。「記録・測定」の ⚙️ 設定で LLM プロバイダ（用途別ルーティング・ロール別のモデル/effortチューニング・実効モデルの可視化・認証モード〔サブスク/APIキー〕選択・課金先を選ぶ優先クラウドを含む・後述）と文字サイズ・言語を変更できます。
- UI はデフォルト英語。⚙️ 設定 → 表示またはサイドバー下部のトグルで、EN / 日本語と文字サイズをいつでも切り替え可能
- サイドバー最下部の GitHub アイコンとこのアプリについてから、リポジトリと紹介ページ（LP）へ移動できます
GitHub Releases から dmg をダウンロードして起動するだけで動く、ネイティブウィンドウ版のアプリです（Apple Silicon Mac 専用）。サーバ本体・教材コンテンツ・音声認識エンジンをアプリに同梱しているため、Bun や Homebrew のセットアップは不要です（初回のみ音声認識モデルのダウンロードが必要）。機能・データはブラウザ版と共通です。新しいバージョンは起動時に自動で検知され、ダイアログの「更新する」1クリックで最新版に更新できます（v0.29.0〜・強制更新はしません）。入手方法・初回セットアップの詳しい説明は後述「起動: デスクトップアプリ（Tauri）」を参照してください。
セッション構成は思いつきではなく、第二言語習得（SLA）研究のメタ分析・原典を3票の敵対的検証にかけたリサーチレポート3本に基づいています。核になっている知見:
- 4/3/2 時間圧反復が発話速度・流暢性を向上させる（準備フェーズと明示的フィードバックの併用でさらに効果）
- 産出リトリーバル（思い出して口に出す）は受容型学習より記憶定着に有効
- 間隔反復は複雑なアルゴリズム不要。長めの固定間隔で十分
- 頻度 > 総時間。1日サボっても無害、1週間空くと有害 — だから「短くても毎日」
詳細は設計ドキュメント §5（方法論10原則）へ。
ブラウザ録音 → whisper.cpp（ローカルSTT） → Claude（会話相手・コーチ） → OpenAI 互換 TTS（既定は OpenAI・ローカル TTS に差し替え可／なければ macOS say）
- 音声はマシンから出ません。外部に送られるのは発話のテキスト（Claude へ）と AI 応答のテキスト（TTS 用・OpenAI 利用時のみ外部送信。TTS をローカルサーバに向ければ音声テキストも外部に出ません）だけ
- 学習データ（録音・トランスクリプト・進捗・SRS状態・キャッシュ）はすべて
data/のローカルファイルで、リポジトリには一切コミットされない - API サーバは 127.0.0.1 バインドのみ（外部非公開）
- 対話 AI は Claude Agent SDK 経由であなたの Claude Pro/Max サブスクリプションを使うため、Anthropic API キーは不要
Claude Code CLI 未ログイン・Codex 未導入・ローカル LLM 未設定のいずれの状態でも、次の機能はそのまま使えます。LLM が必要なのは会話・添削・解説系の機能に限られます。
| 機能 | LLM が必要か |
|---|---|
| 暗記例文390の再生・自己評価（SRS） | 不要（音声はリポジトリに同梱済み） |
| 多聴（リスニング） | 不要（音声・スクリプトは同梱済み） |
| シャドーイング（発話練習そのもの） | 不要（お手本音声は同梱済み） |
| 録音の文字起こし（STT） | 不要（whisper.cpp でローカル完結） |
| TTS（音声読み上げ） | 不要（OpenAI API / ローカルTTS / macOS say のいずれかで動作） |
| 自由会話・ロールプレイ・4/3/2 の会話パート | 必要 |
| 添削・言い直し例 | 必要 |
| 振り返り（セッション/月次レビュー） | 必要 |
| 解説（例文・トーク・訳などの支援機能） | 必要（同梱の解説が無いカスタム例文等は都度生成） |
| レベル測定（プレースメント） | 必要 |
デスクトップアプリ（GitHub Releases の dmg）を使う場合、この節は不要です。前述「起動: デスクトップアプリ（Tauri）」を参照してください。以下はソースから動かす場合（常駐運用・開発サーバ）の前提です。
- macOS（Apple Silicon 推奨）
- Bun ≥ 1.3
- Homebrew（whisper-cpp / ffmpeg の導入に使用）
- Claude Code CLI にログイン済みであること（既定の LLM。Ollama 等のローカル LLM や Codex への切替は「LLM プロバイダの切替」参照）
- 任意: 高品質TTS。OpenAI API キー（
OPENAI_API_KEY）を使うか、ローカル TTS（kokoro-fastapi 等・後述）に向ける。どちらも無ければ macOSsayで動作 - Chrome 系ブラウザ推奨（録音が audio/webm 固定のため。Safari 非対応）
./scripts/setup.sh # brew 依存・whisperモデル(約1.6GB)DL・bun installAPI キーはアプリ起動後に ⚙️ 設定 → モデル接続設定の各セクションから登録できます（macOS Keychain に保存・マスク入力・値は UI にもサーバ応答にも出ません）。従来どおり app/.env に置くことも可能です（両方ある場合は Keychain が優先。UI には「Keychain / app/.env から検出」とソースが表示されます）:
OPENAI_API_KEY=$YOUR_OPENAI_KEY_ENV_VAR # CLI での教材音声生成用（アプリの TTS キーは UI から設定可）
TTS を OpenAI 以外（ローカル等）に向けるときは「⚙️ 設定 → モデル接続設定」の音声（TTS）セクションで設定します（エンジン選択・Base URL・モデル・voice。v0.29 から設定は UI が唯一の真実で、旧 TTS_BASE_URL / TTS_MODEL / TTS_VOICE の env は読まれません）。env に置くのは鍵のみです:
# TTS_API_KEY=... # 鍵が要るエンドポイントのみ（未指定なら OPENAI_API_KEY にフォールバック）
2つの常駐プロセスで動きます。API サーバ（launchd の LaunchAgent・ポート3111）と、任意で Caddy（https 化・https://solo-eikaiwa ドメインでのアクセス用）です。API サーバはクライアントの dist を直接配信するため、Caddy が無くても http://127.0.0.1:3111 をブラウザで開くだけで使えます（v0.27.0〜。従来の Caddy/https 運用は変更なくそのまま併存できます）。どちらの構成でもログイン時の自動起動・クラッシュ時の自動再起動が効きます。
① API サーバの常駐（このリポジトリのスクリプトで完結・これだけで http://127.0.0.1:3111 が使えます）:
./scripts/install-daemon.sh # クライアントビルド → LaunchAgent 登録 → ヘルスチェック② Caddy の用意（任意・https や solo-eikaiwa ドメインでアクセスしたい場合のみ）。マシンごとに初回のみ。Homebrew の Caddy を常駐サービスにする例:
brew install caddy
# Homebrew の Caddyfile（/opt/homebrew/etc/Caddyfile）に import 行を追加する。
# 第1引数にこのリポジトリのルート絶対パスを渡す（リポジトリ側 Caddyfile の編集は不要）:
# import /path/to/solo-eikaiwa/Caddyfile /path/to/solo-eikaiwa
brew services start caddy # ログイン時自動起動の常駐サービスとして登録
caddy trust # ローカルCA証明書をキーチェーンへ登録（初回のみ・要パスワード）
echo "127.0.0.1 solo-eikaiwa" | sudo tee -a /etc/hosts # https://solo-eikaiwa 用ブラウザで https://solo-eikaiwa を開く（hosts を編集しない場合は https://solo-eikaiwa.localhost — Chrome 系なら hosts 不要）。Caddy を用意しない場合は、ブラウザで http://127.0.0.1:3111 を直接開いてください。
- 状態確認:
./scripts/status-daemon.sh/ 停止・解除:./scripts/uninstall-daemon.sh - コードを更新したら
./scripts/install-daemon.shを再実行（再ビルド＋デーモン再起動が一括で済む） - Caddyfile を変更したら Caddy に再読み込みさせる: brew services 構成なら
brew services restart caddy、共有 Caddy デーモン構成ならsudo launchctl kickstart -k system/com.local.https.caddy - Firefox で証明書警告が出る場合:
about:configでsecurity.enterprise_roots.enabledをtrueに（Firefox は macOS キーチェーンを標準では参照しないため）
cd app && bun run dev # APIサーバ :3111（127.0.0.1 のみ）
cd app/client && bun run dev # UI :5173（/api をプロキシ）ブラウザで http://localhost:5173 を開く。常駐運用（https://solo-eikaiwa）とは独立して動きます。ポート3111は共用なので、常駐と開発サーバは同時に起動できません。
もっとも手軽な使い方です。GitHub Releases から dmg をダウンロードして起動するだけで動きます（Apple Silicon Mac 専用。サーバ・教材・whisper-cli を同梱済みのため、Bun や Homebrew のセットアップは不要です）。
- Releases から最新の dmg をダウンロード
- dmg をマウントし、
solo-eikaiwa.appを/Applicationsへコピーしてから起動する（v0.29.0 から Developer ID 署名 + Apple 公証済みのため、ダブルクリックだけで警告なしに開きます。自動アップデートも/Applicationsに置くのが確実です） - 初回起動時、音声認識（whisper）モデルのダウンロード案内バナーが表示されます。**推奨の large-v3-turbo（1.6GB・現行と同じ精度）または軽量な small（約0.5GB・低スペック機向け・精度はやや下がります）**を選んでダウンロードしてください。中断しても再開でき、完了時にチェックサムを検証します
- 初回のマイク許可は Finder から
.appをダブルクリックして起動した状態で行ってください。 録音ボタンを押すと表示されるダイアログの請求元が「solo-eikaiwa」になっていることを確認してから許可してください
自動アップデート（v0.29.0〜）: 起動時に新しいバージョンを自動チェックし、あればダイアログでお知らせします。「更新する」を押すとダウンロード・適用・再起動まで自動で完了します（「今回はしない」を選べば何も起きません。メニューの「アップデートを確認…」からいつでも手動確認できます）。v0.28.x 以前からの更新のみ、手動で dmg をダウンロードして置き換えてください（自動更新機構が v0.29.0 で導入されたため）。
会話・添削・解説などLLMを使う機能を使うには、claude / codex いずれかのCLI、またはローカルLLM（Ollama等）をMacに導入しておく必要があります（未導入でも例文・多聴・シャドーイング・録音の文字起こしはそのまま使えます。詳しくは前述「機能マトリクス」を参照）。CLIはログインシェルの PATH から解決するため、Homebrew・npm・公式インストーラのどれで導入していても認識されます。読み上げ（TTS）は既定で macOS say を使います。TTS のエンジン・接続先・API キーは ⚙️ 設定 → モデル接続設定の音声（TTS）セクションで変更できます（キーは macOS Keychain に保存されるため、OpenAI TTS や API キーモードの LLM も配布アプリ単体で利用できます）。
データ（会話履歴・進捗・ダウンロード済みモデル・ログ）は ~/Library/Application Support/com.local.solo-eikaiwa.desktop に保存されます。リポジトリを clone して動かす常駐運用・開発サーバとは完全に別の領域なので、混ざることはありません。
マイク許可の再表示について: v0.28.x 以前から v0.29.0 以降へ更新した直後は、マイクの許可を一度だけ再度求められます（署名方式が ad-hoc から Developer ID へ変わり、macOS の許可データベースが別アプリ扱いにするため）。v0.29.0 以降どうしの更新では許可は維持されます。
動作の仕組み: 起動時に 127.0.0.1:3111 で solo-eikaiwa の常駐サーバが動いていれば（開発者向け構成）そのまま接続し、動いていなければアプリに同梱したサーバを自動起動します（配布ユーザーは通常こちら）。ポート3111が別用途で使われていれば3112へ自動でフォールバックします。アプリを終了（Cmd+Q）すると同梱サーバも終了しますが、強制終了（Force Quit）した場合はサーバプロセスが残ることがあります（次回起動時に再利用されるため実害はほぼ無く、気になる場合はアクティビティモニタで solo-server を終了してください）。
現状は Apple Silicon Mac 専用です（配布物は arm64 のみ）。Intel Mac・Windows・Linux には対応していません。
ソースからビルドして動かす場合の手順・開発時の詳細（cargo tauri dev・env・ログ・既知の制約）は desktop/README.md を参照してください。
コーチ・会話・コンテンツ生成が使う LLM バックエンドの設定は UI が唯一の真実（v0.29〜。既定は Claude = Anthropic Claude Agent SDK）。環境変数で設定できるのは API キーだけで、旧 LLM_PROVIDER / OPENAI_COMPAT_BASE_URL / OPENAI_COMPAT_MODEL / CODEX_MODEL の env はサーバは読まない（教材生成 CLI のみ従来どおり env 駆動・後述）。LaunchAgent の plist には秘密情報を書かない。切替は「記録・測定」の ⚙️ 設定（モデル接続設定 / 用途ごとのモデルタブ）から行い、保存すると実行中のアプリへ再起動なしで即時適用される（設定は SQLite の llm_settings〔接続〕・llm_role_settings〔ロール割当〕・llm_role_tuning〔ロール別チューニング〕・llm_auth〔認証モード〕に保存。API キーだけは DB に置かず、UI から保存すると macOS Keychain に保管されます〔app/.env も併用可・Keychain が優先・値は UI にもサーバ応答にも表示されません〕）。
設定画面の構成（モデル接続設定 / 用途ごとのモデル）: ⚙️ 設定のモデル接続設定タブでローカル LLM（OpenAI 互換）の Base URL・モデル名、Codex の任意モデル名、Claude/Codex それぞれの認証モード（サブスク/APIキー・後述）を定義する（Claude はサブスクリプションが既定のため接続設定は不要）。用途ごとのモデルタブで、LLM 呼び出しを5つの用途に分け、それぞれ Claude / ローカル / Codex を直接割り当てる（タブ先頭の優先クラウド（Claude / Codex・既定 Claude）でプリセット適用時のクラウド枠の課金先を選び、その下のプリセットは割当をワンタップで書き換えるボタン）。
| ロール | 使われる場面 | 推奨 |
|---|---|---|
| 会話 | 自由会話・ロールプレイの相手応答 | ローカル — 応答が最も速いため（品質が物足りなければ Claude・Codex へ） |
| クイック支援 | 発話1文の訳・言い方ヒント・訂正のちょっとした解説 | ローカル — 単純で即答が欲しいタスクのため（クラウドなら haiku で十分） |
| コーチング | AE添削・振り返り・シャドーイングの訳解説・トーク解説 | Claude・Codex — SRSに残る添削や恒久キャッシュされる解説は初回の品質が勝負のため |
| 教材生成 | モデルトーク・4/3/2 準備・生成コンテンツ（CLI 含む） | ローカル — 出力が定型的で要求性能は低め（品質重視なら Claude・Codex へ） |
| 測定 | レベル測定・月次レビュー | Claude・Codex — 実行頻度が低く、質の高さが最優先のため |
クイック支援に個別設定が無ければコーチングの設定を継承し、コーチングも未設定なら全体設定（グローバル）を継承する（既存ユーザーは何も変えなければ挙動は完全に不変）。
※ 生成 CLI（scripts/generate-content.ts）は設定画面のロール割当ではなく環境変数に従う（CLI プロセスには DB のロール設定が効かない・詳細は後述）。
プリセットは3種で、直上で選ぶ優先クラウド（Claude〔既定〕/ Codex）がプリセットの「クラウド枠」に入る先を決める。オールローカル（全用途=ローカル・優先クラウドは無関係）、バランス〔推奨〕（会話・クイック支援・教材生成=ローカル / コーチング・測定=優先クラウド）、最高品質（全用途=優先クラウド）。優先クラウドを Codex にすると、バランス・最高品質のクラウド枠はすべて Codex に置き換わる（プリセットの説明文は実際に一致したクラウド名を表示する）。バランスが測定を優先クラウドにするのは、測定〔レベル測定・月次レビュー〕が品質差が最も大きく実行頻度も低いため（高頻度・低リスクの会話やクイック支援・教材生成はローカルで速く安く、品質が要る用途は課金先のクラウドに寄せる配分）。ローカルの接続先が未設定のときはローカルを使うプリセット・選択肢が中立に非活性化され、ロール割当保存時の「ローカル」枠も優先クラウドへフォールバックする。最高品質を選んでもローカル接続の定義は保持され、いつでもローカルに戻せる。優先クラウドはブラウザの localStorage に保存（既定 Claude・サーバ/DB には保存しない）。接続は llm_settings、ロール割当は llm_role_settings に保存し、APIキーは持たせない（app/.env のみ）。設定を何も変えなければ挙動は現行と完全に同一（既存のローカル接続・全用途ローカルの状態はそのまま表示・動作する）。
Claude の既定モデル（全用途共通・v0.29〜）: モデル接続設定タブの Claude セクションで「既定モデル（全用途共通）」を選べる。選択肢はモデルカタログ（SDK から動的取得）由来で、エイリアス（sonnet 等）だけでなく特定バージョン ID も選べる。Claude に割り当てた全ての用途に適用され、用途ごとのモデルタブのロール別モデルが設定されている用途ではそちらが優先される（解決順: ロール別 > 既定モデル > コード既定 sonnet）。
ロール別チューニング（モデル/effort/配信）と推奨マトリクス: 各ロール行の「詳細設定」を開くと、Claude 割当のロールはモデル（既定 or モデルカタログ由来の選択式・v0.29 で3択固定から変更）、Codex 割当のロールは配信（既定/fast/standard）、Claude・Codex どちらの割当でも**effort（思考の深さ）**を個別に指定できる（ローカル割当には対応項目なし）。effort の選択肢は割当先で異なる — Claude 割当は（既定/low/medium/high/xhigh/max）、Codex 割当は（既定/low/medium/high/xhigh、max は選べない — Codex のモデルは max に対応しておらず指定すると失敗するため保存時点で弾き、万一保存済み値が残っていても実行時は xhigh に丸める）。未指定（既定）は「Claude の既定モデル（全用途共通）」→ それも未設定ならコード側の固定値に従う — Claude は SDK 標準（thinking 予算 adaptive）、Codex は effort=medium・配信=fast。「推奨チューニングを適用」ボタンは、今の割当でクラウド（Claude/Codex）側になっているロールだけを次の推奨値に一括で書き換える（ローカル割当のロールは変更しない。押しただけでは保存されず「割当を保存」で確定する）:
| ロール | Claude 推奨（モデル/effort） | Codex 推奨（effort/配信） |
|---|---|---|
| 会話 | sonnet / low | low / fast |
| クイック支援 | haiku / 既定（effort 指定なし） | low / fast |
| コーチング | sonnet / high | medium / fast |
| 教材生成 | sonnet / medium | medium / fast |
| 測定 | opus / xhigh | xhigh / standard |
haiku は effort を指定しても実行時に黙って無視される（実測確認済み）ため、クイック支援の Claude 推奨は effort 未指定のままにしてあります（無視される値を表示するのは実際の挙動と食い違うため）。Codex のモデル自体はロール別ではなく「モデル接続設定」タブの Codex 任意モデル名で全ロール共通に固定します — 未指定なら Codex CLI の最新既定に自動追従します（Claude のエイリアスが常に最新版へ解決されるのと同じ考え方）。
実効モデルの可視化・選択: 「用途ごとのモデル」タブの「モデル一覧を更新」ボタンで、Claude（Agent SDK の対応モデル一覧）・Codex（codex app-server のモデル一覧）・ローカル（接続先の /models）から実際のモデル一覧を取得し、各ロールのモデル/effort/配信の選択肢に反映します（取得は最大1時間キャッシュ）。取得できないソース（CLI 不在・接続不可など）は推測せず「実体未確認」と表示し、選択肢は現行の静的リストへ自動的に劣化します（嘘の表示をしません）。各ロール行には常時「実効: 〇〇 / effort ×× / 配信 △△」の1行サマリが出て、いま実際に使われている具体モデルID（例: sonnet エイリアスの実体である claude-sonnet-5 のようなバージョン、Codex の配信モデル）・effort・配信が一目で分かります。クイック支援がコーチングを継承しているときは継承後の解決値がそのまま表示されます。Codex のモデル選択肢には CLI 既定のモデルに「CLI既定」バッジが付きます。
認証モード（サブスクリプション / APIキー）: 「モデル接続設定」タブで Claude・Codex それぞれの認証方式を選べます。既定はサブスクリプション（現行どおり、あなたの CLI ログイン — Claude Pro/Max または Codex の ChatGPT ログイン — に相乗りし、追加課金は発生しません）。APIキーに切り替えると、api.openai.com / Anthropic API の従量課金（サブスクの利用枠とは別）でリクエストします。キーは ⚙️ 設定の各セクションから登録（macOS Keychain に保存・置換と削除のみ可）するか、従来どおり app/.env（ANTHROPIC_API_KEY / CODEX_API_KEY）に置きます（Keychain が優先。UI はキーの有無とソース〔Keychain / .env〕だけを表示し、キーが未設定の間は APIキーモードを選べません。値は DB・API応答・ログには一切保存・出力されません）。Claude の APIキーモードは SDK 経路・claude -p フォールバック経路の両方に ANTHROPIC_API_KEY を渡し、claude -p はさらに --bare（OAuth/キーチェーンを一切読まない厳格モード）を付けて起動します。Codex の APIキーモードは、隔離した専用ホームディレクトリ（data/codex-home・gitignore 済み）に一度だけ codex login --with-api-key を実行して認証情報を作り、以後の codex 呼び出し（app-server / exec 両経路）はこの隔離ホームだけを参照します — あなた自身の ~/.codex（ChatGPT ログイン）には一切触れません。設定 UI から CODEX_API_KEY を保存・削除した場合は、この隔離ホームの認証情報も自動で作り直されます（app/.env 側のキーを手で差し替えた場合のみ、従来どおり data/codex-home/auth.json を削除してから APIキーモードを再適用してください）。認証モードを切り替えると常駐中の codex app-server は再起動され、新しい認証情報が次回呼び出しから反映されます。なお APIキー経路ではモデル一覧配信に対応しないアカウント/エンドポイントがあり、その場合もカタログは「実体未確認」に自動で劣化します。
会話ロールがローカル LLM（OpenAI 互換）に解決されるときは、アプリを操作している間、API リクエスト受信を契機にバックグラウンドで極小リクエスト（max_tokens=1）を送ってモデルを常駐させる（240秒に1回まで・fire-and-forget でリクエスト処理には無影響・失敗は無視）。Ollama 等の既定アンロード（5分）に対して「利用中は常駐・離脱後は自然に解放」になり、初回会話のコールドスタートを抑える。Claude/Codex のときは何もしない。
UI 真実性の原則: 画面に表示される設定は必ず実際の挙動と一致します — 「既定」欄はコード側の固定値であり、env や画面に出ない裏設定では変化しません。
| 区分 | 項目 | 備考 |
|---|---|---|
| UI で設定（サーバの唯一の真実 = DB） | LLM プロバイダ・接続（Base URL/モデル名/Codex モデル名）・ロール割当・ロール別チューニング（モデル/effort/配信）・認証モード（サブスク/APIキー） | ⚙️ 設定画面から変更。保存すると再起動なしで即時反映。優先順位は「ロール別チューニング > コード既定」のみで env による中間層はない |
| env のみ（secrets・CLI 専用） | secrets: OPENAI_COMPAT_API_KEY / ANTHROPIC_API_KEY / CODEX_API_KEY / TTS_API_KEY（+ STT/TTS 用 OPENAI_API_KEY）。CLI 専用（サーバは読まない）: LLM_PROVIDER / OPENAI_COMPAT_BASE_URL / OPENAI_COMPAT_MODEL / CODEX_MODEL / CLAUDE_MODEL / CLAUDE_EFFORT / CODEX_REASONING_EFFORT / CODEX_SERVICE_TIER |
app/.env に置く。secrets は UI・DB・ログに一切出さない |
破壊的変更（v0.24.0）: これまでサーバが読んでいた CLAUDE_MODEL / CLAUDE_EFFORT / CODEX_REASONING_EFFORT / CODEX_SERVICE_TIER は、v0.24.0 以降サーバ本体では一切読まれません（UI に見えない裏設定を無くすため）。同名の env を app/.env に置いてもアプリ本体の挙動には影響しません（エラーにもならず、単に無視されます）。これらのチューニングは ⚙️ 設定 → 用途ごとのモデル の詳細設定、または scripts/generate-content.ts 実行時の env（CLI 専用・下記「自分用にカスタマイズする」参照）でのみ有効です。
接続先ごとの設定（すべて ⚙️ 設定 → モデル接続設定で入力する。env に置くのはキーのみ）:
| プロバイダ | UI での選択 | UI に入力する値 / env に置くキー |
|---|---|---|
| Claude Agent SDK（既定） | Claude | なし（既定モデルを変えたい場合のみ「既定モデル（全用途共通）」を選択） |
| Ollama | ローカル（OpenAI 互換） | Base URL http://localhost:11434/v1 + モデル名（一覧から選択） |
| LM Studio | ローカル（OpenAI 互換） | Base URL http://localhost:1234/v1 + モデル名 |
| OpenAI API | ローカル（OpenAI 互換） | Base URL https://api.openai.com/v1 + モデル名。キーは env OPENAI_COMPAT_API_KEY |
| GitHub Models | ローカル（OpenAI 互換） | Base URL https://models.github.ai/inference + モデル名（レート制限に注意）。キーは env OPENAI_COMPAT_API_KEY(PAT) |
| OpenAI Codex CLI | Codex | モデル（一覧から選択・未指定は codex config 既定） |
- GitHub Copilot は非対応: 公式の汎用チャット API が無く、非公式プロキシは規約リスクがあるため。GitHub の LLM を使う場合は上記「GitHub Models」を利用する。
- 品質の前提: 各ドメインのプロンプトは Claude 向けに調整されており、多くが「STRICT JSON のみ」を要求する。弱いモデルでは JSON 逸脱や品質低下が起きうるが、全ドメインがパース失敗フォールバックを持つためアプリはクラッシュせず degrade する。ローカル小モデルでは出力品質が落ちる前提で使う。
- セッション継続: プロバイダごとに継続の仕組みが異なる。Claude（既定）は Claude Agent SDK がセッションをディスクに永続化するため、サーバ再起動をまたいでも会話が復元される。SDK 経路が使えない・応答しない場合は、その呼び出しだけ
claude -p（ワンショット実行）へ自動フォールバックする。claude -pもネイティブの--resumeでディスクに永続化されるため、フォールバック中もサーバ再起動をまたいで同じ会話の続きから復元できる（Codex の exec フォールバックのような「履歴なしの新セッション」への劣化は起きない）。Codex はcodex app-server（常駐プロセス・実験的プロトコル）のネイティブ thread として保存され、thread/resumeによりサーバ再起動後も同じ会話の続きとして復元される（Claude と同等のパリティ）。ただし app-server が使えない・応答しない場合は、その呼び出しだけ従来のcodex exec（ワンショット）へ自動フォールバックする。フォールバックに切り替わった最初のターンは履歴なしの新セッションとして始まり、障害が続く間は exec 側のインメモリ・トランスクリプトで継続する（サーバ再起動で消える）。app-server が復帰してもフォールバック期間の文脈は引き継がれない（劣化動作）。OpenAI 互換はステートレスなため常にインメモリ・トランスクリプトで継続を再現し、サーバ再起動で会話履歴は失われる。 - ハング検知タイムアウトの統一: Claude Agent SDK 経路・
codex app-server・ローカル LLM（openai-compat）はいずれも180秒応答が無ければタイムアウトする（フォールバックがある経路〔Claude・Codex〕はそのままフォールバックへ委譲し、無い経路〔openai-compat〕はエラーになる）。従来はcodex app-serverにしかなかった180秒タイムアウトを他経路にも揃えた - Codex の安全設定: 既定経路の
codex app-serverは、スレッド作成・復元（thread/start/thread/resume）のたびにプロトコルレベルでsandbox: "read-only"+approvalPolicy: "never"を指定する（ユーザーの~/.codex/config.tomlに依存しない）。承認・確認（elicitation）要求は自動で decline し、ファイル書き込みは機構的に禁止される。app-server が使えずcodex execへフォールバックしたときは、従来どおり CLI フラグ（-s read-only/-c approval_policy="never"）でユーザー config（danger-full-access等）を上書きする。reasoning effort は既定でmedium、service tier は既定でfast（priority 配信）をどちらの経路にも適用する（config がxhigh等でも会話の応答待ちが伸びないように。⚙️ 設定 → 用途ごとのモデルの詳細設定で用途ごとに変更可 — アプリ本体は env のチューニング変数を読まない。tier はアカウント/モデルが非対応なら黙って標準配信になる）。動作確認済みの codex バージョンは0.143.0（codex app-serverの初回起動時に1回だけcodex --versionを確認し、それ以外は warn ログを出すのみで動作は継続する。プロトコル互換の検証方法は後述「自分用にカスタマイズする」参照）。 - crash-loop のリスクは v0.29 で解消: サーバは接続設定の env（
LLM_PROVIDER等）を読まなくなったため、env の不正値でサーバが起動時に落ちる経路自体が無くなった。UI（⚙️ 設定 → モデル接続設定 / 用途ごとのモデル）からの変更は保存前に検証され不正な入力はエラー表示で弾かれ、起動時の DB 設定適用も fail-open（不正値は warn してフォールバックし常駐プロセスは落ちない）。 - CLI（generate-content 等）から使う場合: Bun は cwd の
.envしか自動ロードしないため、リポジトリルートからのbun scripts/generate-content.ts …ではapp/.envの設定は効かない。LLM_PROVIDER=… bun scripts/generate-content.ts …のように環境変数を直接付けるか、cd app && bun ../scripts/generate-content.ts …で実行する。
brew install ollama && brew services start ollama
ollama pull qwen3:30b-instruct # Qwen3-30B-A3B-Instruct（MoE・約18GB・RAM 32GB 以上推奨）⚙️ 設定 → モデル接続設定の「ローカル LLM（OpenAI 互換）」に Base URL http://localhost:11434/v1・モデル名 qwen3:30b-instruct を入力して保存すれば完了（Ollama は API キー不要なので「キー未設定」表示のままで正常）。あとはプリセット オールローカル（全部ローカル）や バランス（会話・クイック支援・教材生成だけローカル）で用途割当を一括設定できる。
- モデル選定の目安: 訳・添削解説など日本語出力があるため、日英両対応のモデルを選ぶ（Qwen3 / Gemma 3 が有力）。thinking 系の変種は避ける —
<think>タグが会話にそのまま表示・読み上げされてしまう。RAM 16GB の Mac ならqwen3:8bなどの小型を。 - 使い分けの目安: 会話相手・ロールプレイやクイック支援（訳・言い方ヒント）はローカル 30B 級で実用的（応答速度・即答性が最優先のため）。教材生成（モデルトーク・4/3/2 準備）も出力が定型的でローカルで十分だが、品質を上げたいときは Claude・Codex へ。添削の日本語解説（コーチング）・月次レビューやレベル測定（測定）は Claude・Codex の品質が明確に上なので、⚙️ 設定 → 用途ごとのモデルで品質が要る用途だけ Claude・Codex に寄せる運用がおすすめ（プリセット バランス で一括設定できる）。モデル性能が効く順は 測定 > コーチング > 教材生成（会話は性能より応答の速さが効く）。Codex は応答待ち短縮のため reasoning effort が既定で
mediumに上書きされる（⚙️ 設定 → 用途ごとのモデルの詳細設定で用途ごとに変更可）。測定のような低頻度・品質重視の用途では引き上げても良い。 - 長い自由会話で文脈が切れる場合は Ollama のコンテキスト長を広げる:
OLLAMA_CONTEXT_LENGTH=16384 brew services restart ollama
読み上げ音声（AI 応答・例文・モデルトーク）の合成先は OpenAI 互換の /v1/audio/speech を叩く。既定は OpenAI（https://api.openai.com/v1・gpt-4o-mini-tts・alloy）で、OPENAI_API_KEY があれば OpenAI、無ければ macOS say にフォールバックする（現行どおり）。ここを Base URL・モデル・voice の3点で差し替えられる。
- 設定場所: サイドバー「記録・測定」の ⚙️ 設定 → モデル接続設定（音声/TTS の設定はモデル接続設定タブ内に統合済み。エンジン選択〔自動 / macOS say 固定 / OpenAI 互換固定〕もここ）。env に置くのは鍵（
TTS_API_KEY）のみ（v0.29 でTTS_BASE_URL等の env フォールバックは廃止）。 - APIキーは UI・DB に保存されない（
app/.envのTTS_API_KEY・無指定ならOPENAI_API_KEYのみ）。Base URL が既定以外を指すときは鍵なしでもエンドポイントを試す（ローカルサーバ向け）。合成に失敗したらsayにフォールバックする。 - 暗記例文390・多聴42本・モデルトーク72通りの同梱音声は既定（OpenAI）のキーで事前生成され、共通のディレクトリ（
content/sentences/audio/）にまとめて格納されているため、TTS を差し替えると同梱にヒットせずローカル TTS の声で都度合成される（アプリ全体で声が揃う）。既定に戻せば同梱音声に戻る。 - キャッシュ（
data/tts-cache）はモデル名と voice でキー分けされる。同じモデル名かつ同じ voice のまま Base URL だけ別プロバイダに変えると旧キャッシュと混ざりうるので、その場合はdata/tts-cacheを消すか voice/モデル名を変える。
実測レート: $0.015/分（約2.2円/分、$1=150円換算）。同梱音声672ファイル（暗記例文390・多聴42本・モデルトーク72通り）を既定の gpt-4o-mini-tts / alloy で一括生成した実績（生成音声の合計 120.3分・支出 $1.85）から算出した値で、支出÷実測分・OpenAI公式単価・トークン分解の3通りの計算が一致している。テキスト入力側のコスト（$0.024/39,886トークン）は誤差程度で、支配項は音声出力側。
前提: 課金が発生するのは「動的に生成された英文をその場で読み上げる」ときだけです。
- 無料（同梱音声を再生するだけ・通信自体が発生しない）: 暗記例文390・多聴42本・モデルトーク72通りの読み上げ。いずれも
content/配下に既定モデル/voiceで事前生成済みの音声が同梱されており、既定設定のままなら常にこちらにヒットする - 初回のみ課金・以後は
data/tts-cacheからローカル再生で無料: 音読ウォームアップ・4/3/2 の準備チャンク（表現チャンクの音声は同梱対象外で、再生時にその場で合成される設計。上の「教材ラダー」節に既述）。ライブラリの一覧から過去のチャンクを再生する場合も同じ扱い - 会話が続く限り毎回課金: 自由会話・ロールプレイでの AI 応答読み上げ（返答は毎ターン新しい文章になるため、原理的にキャッシュが効かない）
メニュー別の1回あたり目安（概算・発話量の想定はコードの設計値からの目安であり実測ではない）:
| メニュー | 課金対象になる発話 | 目安コスト |
|---|---|---|
| 音読ウォームアップ（6分） | 準備チャンク既定6個（1個6〜16語）の初回読み上げ | 1円未満 |
| くり返しトーク 4/3/2（8分・クイック版） | 準備チャンク（ウォームアップと同内容・初回のみ）。モデルトークは同梱で無料 | 1円未満 |
| ロールプレイ（10分・クイック版） | AI応答の読み上げ（10分の会話でAI発話は合計1〜2分程度と想定） | 2〜5円 |
| シャドーイング（5分） | モデルトークは同梱のため課金対象なし | 0円 |
| 自由会話（10分の目安） | AI応答の読み上げ（ロールプレイと同じ仕組み） | 2〜5円 |
| 暗記例文390（1問） | 同梱音声のため課金対象なし | 0円 |
| 多聴（1本・2〜4分） | 同梱音声のため課金対象なし | 0円 |
| 強化セッション 30分（ウォームアップ6分＋4/3/2 12分＋ロールプレイ10分＋振り返り2分） | ロールプレイ分が中心 | 2〜6円 |
| 強化セッション 60分（ウォームアップ8分＋4/3/2 16分＋ロールプレイ20分＋シャドーイング8分＋振り返り5分） | ロールプレイが20分と長く、AI発話も比例して増える想定 | 4〜10円 |
月間シナリオ（概算）:
- 毎日30分（自由会話10分＋4/3/2＋多聴1本＋暗記例文数問）を1ヶ月: 1日あたり約2〜6円 → 月約60〜180円
- 毎日1時間ヘビー（強化セッション60分を毎日。README推奨の週1〜2回より高頻度な上限見積り）を1ヶ月: 1日あたり約4〜10円 → 月約120〜300円
- 教材ラダーの追加生成（多聴・モデルトークの増産）: 生成した音声の合計分数 × 約2.2円/分。実績: 同梱672ファイル・120.3分の生成で約280円
日々の練習を重ねても月間コストが数百円に収まりやすいのは、課金対象が「AIが実際に声を出している時間」だけで、録音・沈黙・テキスト表示・同梱音声の再生はすべて対象外だからです。
レスポンス最優先で使い倒したい自由会話は、引き続きローカル TTS（kokoro-fastapi 等）が無料・低遅延でおすすめです。ただしローカル TTS・ローカル LLM が快適に動かない低スペックマシンでは、OpenAI TTS は月数十〜数百円で現実的な選択肢になります。教材を自分で追加生成する場合も、音声コストは数百円のオーダーに収まります（実績: 全教材672ファイルで約280円）。
kokoro-fastapi は Kokoro-82M を OpenAI 互換 API で提供する軽量サーバ。Docker が最も手軽（導入時に最新の起動方法を公式 README で確認すること）:
# CPU（Docker Desktop for Mac は Linux コンテナに Apple GPU を渡せないため CPU 実行になる）
docker run -p 8880:8880 ghcr.io/remsky/kokoro-fastapi-cpu:latest
# 起動確認: ブラウザで http://localhost:8880/web を開くApple Silicon の MPS 加速で速くしたい場合は、Docker ではなくリポジトリの手順に沿って uv でネイティブ実行する（詳細は公式 README・導入時に確認）。Kokoro-82M は小型モデルで、Apple Silicon の CPU でも短文なら概ねリアルタイム（RTF < 1・1文あたり数百 ms〜1〜2 秒程度）。
設定は「⚙️ 設定 → モデル接続設定」で Base URL http://localhost:8880/v1・モデル kokoro・voice af_sky（54種の voice から選択・日英中対応）を保存すれば完了。kokoro-fastapi は鍵不要なので「TTS API キーなし」表示のままで正常。
お題・シナリオ（content/topics/ / content/scenarios/）は frontmatter 付き Markdown ファイル1枚です。既存ファイルを真似て追加すれば、自動で least-recently-used ローテーションに入ります。同梱のお題はサンプルなので、自分の仕事・関心に合わせて差し替えてください。
---
id: my-topic
kind: topic
title: "My topic"
title_ja: "私のお題"
---
Talk about:
- English hint — 日本語の補足暗記例文（content/sentences/sentences300.json）も同じ発想で差し替え・追記できます（no の一意性だけ保つこと）。
自分で書く代わりに、練習の実力データから教材を自動生成することもできます（要 Claude Code ログイン・完全オリジナル生成。書き込み前に検証され、不正な生成物はリポジトリに書き込まれません）:
bun scripts/generate-content.ts sentences --dry # 何が追加されるかのプレビュー（書き込みなし）
bun scripts/generate-content.ts sentences # 例文練習の自己評価から苦手カテゴリを選び、例文を4文ずつ追記
bun scripts/generate-content.ts topics # 現在のレベルに合ったお題2本+ロールプレイシナリオ1本を追加生成物はリポジトリに恒久的に残るため、既定より高品質な設定を推奨します:
LLM_PROVIDER=claude CLAUDE_MODEL=opus CLAUDE_EFFORT=high bun scripts/generate-content.ts sentencesCLAUDE_MODEL（haiku/sonnet/opus）・CLAUDE_EFFORT（low/medium/high/xhigh/max）、LLM_PROVIDER=codex のときは CODEX_REASONING_EFFORT / CODEX_SERVICE_TIER を、この CLI 自身がホワイトリスト検証つきで解釈します（サーバ本体はこれらの env を読みません — 前述「env の役割」参照）。
生成した話し言葉系の教材（多聴・モデルトークなど）は、口語として自然か（短縮形率・平均文長・書き言葉語彙）を機械検証できます。AI 生成教材は手で直さず、検証 NG なら再生成してください:
bun scripts/check-spoken-register.ts # 多聴素材の全件検証（1件でも不合格なら非ゼロ終了）お題・シナリオ・多聴を帯×ドメインで均等に保ちたいときはカバレッジ validator、4/3/2 準備チャンク・モデルトークをお題ごとに事前生成したいときは topic-assets 生成 CLI が使えます（どちらも同じ検証つき生成ループ・手修正禁止の運用）:
bun scripts/check-content-coverage.ts # 3レベル帯×3ドメインの充足状況を表示（不足があれば非ゼロ終了・--jsonで機械可読出力）
bun scripts/generate-topic-assets.ts # 全お題×帯内stageのprepPack/model talkを事前生成（差分のみ・--forceで強制再生成）編集・生成したあとの反映のさせ方（ここだけ覚えれば大丈夫です）:
| 何を変えた | やること |
|---|---|
お題・シナリオ（content/topics/・content/scenarios/） |
何もしなくてOK（次のメニューから自動で反映） |
暗記例文（手編集・generate-content.ts sentences） |
① 音声を差分生成: cd app && bun ../scripts/generate-sentence-audio.ts（要 OPENAI_API_KEY・生成済みはスキップ） ② サーバを再起動（例文は起動時に読み込むため。常駐なら ./scripts/status-daemon.sh で確認して launchctl kickstart、開発なら bun run dev を再起動） |
| 多聴・topic-assets（モデルトーク）を追加/更新した | 音声を差分生成: cd app && bun ../scripts/generate-content-audio.ts（listening / model-talk / all を指定可・既定 all・要 OPENAI_API_KEY・生成済みはスキップ） |
音声を生成しない場合も動きます（その文だけ macOS say の声になります）。新しい例文の「もっと詳しく」解説は、初回に押したときに生成されて以降はキャッシュされます。
Codex（codex app-server）は実験的プロトコルに依存するため、破壊的変更が無いかを手動で検出できます: ./scripts/check-codex-protocol.sh（要 jq。codex app-server generate-json-schema の出力を app/server/providers/codex-protocol.snapshot.json と比較し、リリース前に実行）。
cd app && bun test # サーバユニット/契約テスト
cd app && bun run typecheck
cd app/client && bun run build
./scripts/smoke-stt.sh # STT 実機スモーク- 設計ドキュメント — システム構成と学習方法論（10原則）
- リサーチレポート — 流暢性・語彙・チャンク・シャドーイング・AI会話・継続/習慣化の検証済み知見
- 実装計画 — 各マイルストーンの実装計画
- CHANGELOG
当初計画（M1〜M5）と、その後の UX 一貫性（P1〜P5）・リファクタリング（R1〜R5）・インプット&語彙強化（P6）・出だしの難易度調整（P7）はすべて完了し、主要機能は一巡しています。現在は実使用でフィードバックを溜めるフェーズです（練習後の1タップ評価がそのまま次の開発サイクルの入力になります）。
次期候補として、実行可能な実装計画を書き溜めてあります（docs/superpowers/plans/）:
- 進歩の見える化: 月次レビューの先月比較・レベル測定の前回比較
- セッション再開: 強化セッションを途中で閉じても当日中は続きから再開
- stage 別カリキュラム: 日替わりメニューの構成・配分をレベル帯（入門/中級/上級）で変える