Olá, também estou desenvolvendo uma aplicação com foco na aprendizagem de idiomas, apesar que inicialmente iria me focar apenas no inglês.
Achei legal a ideia e já pensei até em algumas funções novas como transcrição de áudio e utilizar inteligência artificial para gerar frases semelhantes, mas incorretas.
Pelo que eu entendi para seu sistema funcionar, precisa que o usuário insira o áudio, a versão transcrita e as duas frases incorretas. Totalizando quatro inputs, cinco se contar o botão para rodar o teste?
A partir desse ponto, é que fica nebuloso para mim, será uma única tela que armazena os dados de maneira local ou haveria uma tela de login e uma tela de biblioteca com os uploads anteriores.
Posso te ajudar a montar o design, sua aplicação me parece simples e direta então não vejo necessidade de criar um design rebuscado. Porém ainda preciso de mais informações:
1 - Como funciona a dinâmica na plataforma?
2 - Que público deseja alcançar? Exemplo: infantil, infanto juvenil, jovens adultos ou adultos?
3 - Que estilo gostaria de aplicar? Tema dark, tema claro, infantil, sério ou sereno?
4 - Tem alguma referência? Seja visual ou de usabilidade.
Imagino que queira tornar o mais acessível para deficientes visuais, então seria algo a sempre ponderar se o que estivesse sendo adicionado, não atrapalha essa questão.
Se não for incomodo, poderia informar seu grau de deficiência visual e o tempo dele? Para que eu possa buscar a melhor maneira de traduzir suas idéias e as minhas idéias para o outro.