ホームに戻る
ランキング&比較 · 2026年11月更新

間隔反復アルゴリズムを徹底解説

FSRS、SM-2、Leitnerの徹底解説 — 現代のフラッシュカードアプリを支えるアルゴリズムたち。それぞれの仕組みと、どのアプリ(Anki、RemNote、StudyGlen、Brainscape)が最もうまく実装しているかを学べます。

1885年、ヘルマン・エビングハウスは、新しい情報の大半が1日以内に忘れられることを発見しました。適切な間隔で復習しない限りは、です。間隔反復は、エビデンスの最も豊富な2つの学習法のひとつですが、アルゴリズムが重要です。FSRSの開発者は、同じ記憶保持率でSM-2より復習回数が20~30%少なくて済むと見積もっています。各アルゴリズムの仕組みと、それを実装するフラッシュカードアプリを解説します。

カードを自動で作ってほしいなら、StudyGlenが最高の間隔反復アプリです。PDF、ノート、YouTube動画からデッキを作成し、すべての復習を標準でFSRSでスケジュールします。ウェブ、iPhone、Androidで使えます。自分でカードを書いて細部まで管理したいなら、無料のAnkiが最適です(FSRSはオプション)。ノートの中にカードを持ちたい学生にはRemNoteが向いています。

フラッシュカードの裏側のアルゴリズムが重要な理由

間隔反復は、忘れると予測される直前にフラッシュカードを表示することで機能します。「直前」の部分こそがすべての肝であり、それを決めるのはアルゴリズムです。

間隔反復のデジタルの歴史の大半で、そのアルゴリズムはSM-2(SuperMemo 2)でした。これはPiotr Wożniakが1987年に公開した数式です。オリジナルのSuperMemoを支え、現在もAnkiのデフォルトスケジューラーであり、RemNoteでもデフォルトです。SM-2は実戦で鍛えられています — しかし硬直的でもあります。どの学習者にも同じスケジューリングカーブが適用され、個々の記憶の振る舞いは考慮されません。

2022年、FSRS(Free Spaced Repetition Scheduler)というオープンソースプロジェクトがそれを変えました。FSRSはあなたの実際の復習履歴に統計モデルをフィットさせ、各カードを想起確率の予測に基づいてスケジュールします。open-spaced-repetitionのベンチマーク(Ankiユーザー1万人による約7億2,700万件の復習)では、FSRSの方がSM-2よりも正確に想起を予測できることが示されており、開発者は同じ記憶保持率に対して20-30%少ない復習で済むと見積もっています。Ankiはバージョン23.10(2023年10月)でFSRSをオプトイン方式のスケジューラーとして追加しました。FSRSをオンにするまでは、SM-2がデフォルトのままです。

このガイドでは、FSRS、SM-2、そして古典的なLeitnerボックスシステムがどのように機能するか、そしてどのフラッシュカードアプリがそれぞれを実装しているかを解説します。2026年に学習ツールを選ぶなら、アルゴリズムこそが最大の差別化要因です。

FSRS — Free Spaced Repetition Scheduler

FSRSは、2022年からJarrett Yeとopen-spaced-repetitionコミュニティが開発している、モダンなオープンソースのスケジューリングアルゴリズムです。記憶を個々の学習者に適応する統計モデルとして扱うことで、精度と効率性でSM-2を上回るように設計されました。今日、Anki、RemNote、StudyGlenすべてがこれを実装しています。

FSRSの仕組み — DSRメモリモデル

FSRSは、毎回の復習後に更新される3つの値を使って、1枚のフラッシュカードの記憶をモデル化します。

  • 難易度 (D): 特定のカードがあなたにとってどれだけ難しいか。範囲は1-10。もう一度、難しい、良い、簡単のどれを押したかに基づいてキャリブレートされます。
  • 安定性 (S): このカードを思い出す確率が記憶保持目標(デフォルト90%)まで下がるのに何日かかるか。正しい復習後に増え、失敗後にリセットされます。
  • 想起可能性 (R): このカードを今この瞬間に思い出せる予測確率 — D、S、そして最後の復習からの経過日数の関数です。

これら3つの値で、FSRSは各カードに対して1つの問いに答えます。あなたの記憶保持目標を踏まえ、この復習をスケジュールできる最も遅いタイミングはいつか、それでもあなたが覚えていると期待できるのは?

FSRSがSM-2と異なる点

SM-2は固定の乗数を使います — 誰もが最初は同じ間隔の成長カーブを受け取ります。FSRSはgradient descentを用いて、通常約1,000回の復習後に、あなたの個人的なパラメーターを実際の復習履歴にフィットさせます。学習後は、どのカードタイプがあなたにとって難しいか、どれだけ早く忘れるか、失敗が長期的な安定性にどう影響するかを考慮に入れます。

「Desired Retention(希望する記憶保持)」の目標も設定します — 通常は0.80から0.97の間で、ほとんどのユーザーは0.85-0.90あたりに落ち着きます。記憶保持が高いほど復習が増え、低いほど減ります。SM-2にはこれに相当する制御はありません。

FSRSを使っているフラッシュカードアプリ

  • Anki: v23.10(2023年10月)以降は内蔵されており、SM-2に代わるオプトイン方式で利用できます。AnkiMobile 23.10以降、AnkiDroid 2.17以降、AnkiWebが対応しています。
  • RemNote: デフォルトのSM-2と並ぶオプションのスケジューラー(ベータ版)として利用可能。
  • StudyGlen: AI生成フラッシュカードデッキすべてのデフォルトアルゴリズム — 手動設定は不要。

FSRSが明確に勝つケース

大きなデッキ(2,000枚以上)、長期的な記憶保持の目標、難易度の不均一性(簡単なカードもあれば難しいカードもある)。蓄積する復習データが多いほど、FSRSはSM-2を引き離します。

FSRSが関係ないケース

約1,000回未満の復習では、FSRSはまだ意味のあるパーソナルモデルをフィットできず — デフォルトパラメーターにフォールバックし、SM-2と同等のパフォーマンスになります。カジュアルな学習や短期の詰め込みでは、アルゴリズムの選択はほぼ装飾的です。

SM-2 — Ankiの古典的アルゴリズム

SM-2は、1987年にPiotr WożniakがSuperMemoの一部として公開しました — 初の商用間隔反復アプリケーションです。2006年のローンチ以来、Ankiのデフォルトスケジューラーを支えており(FSRSは2023年後半にオプトイン方式の代替として加わりました)、RemNoteでもデフォルトです。40年間の実運用により、他のすべてのSRSアルゴリズムが比較されるベースラインとなっています。

SM-2の仕組み

SM-2はカードごとに2つの数値を追跡します。

  • 容易性乗数 (EF): 2.5で初期化される乗数で、間隔がどれだけ速く伸びるかを制御します。
  • 間隔: 復習の間の日数。

毎回の復習後:

  1. カードを失敗した場合、間隔を1日にリセットし、EFは保持します。
  2. 合格した場合、現在の間隔にEFを掛けます(「簡単」ではEFを少し上げ、「難しい」ではEFを少し下げる)。

典型的なSM-2のカード列はこのようになります:1日 → 合格 → 6日 → 合格 → 15日 → 合格 → 37日 → 合格 → 92日...

強み

SM-2はシンプル、透明で、学習データを必要としません。最初の復習から機能します。その挙動は手計算でも予測可能です — カードのEFと間隔を見て、なぜそこにスケジュールされたかを正確に説明できます。35年以上の実運用により、あらゆるSRSにとって最も安全なデフォルトとなっています。

制限

SM-2の乗数は普遍的です — アルゴリズムは個々の学習者に適応しません。地理の事実の記憶が方程式よりも早く薄れていく場合でも、SM-2は同じように扱います。また明示的な記憶保持目標もありません — 乗数が生み出す暗黙の約85%の代わりに95%の記憶保持を要求することはできません。

SM-2を使っているアプリ

  • Anki: デフォルトのスケジューラー。v23.10以降、FSRSがオプトイン方式の代替として利用できます。
  • RemNote: デフォルトスケジューラー。
  • SuperMemo: Piotr Wozniakのオリジナルアプリ。現在も活発に開発中 — 現代のSuperMemoはSM-2の子孫であるSM-18を使用しています。

Leitnerシステム — 紙の上の間隔反復

Leitnerシステムは、1972年にドイツの科学ジャーナリストSebastian Leitnerが考案したもので、あらゆるデジタルSRSアルゴリズムに先行します。物理カードを使う手法で、このカテゴリ全体に影響を与えました — 今もこれを土台にしているアプリがあるため、理解する価値があります。たとえばBrainscapeは、独自の確信度ベース反復(CBR)はLeitner法に根ざしていると説明しています。

Leitnerの仕組み

番号付きのボックス(古典的には5つ)のセットを用意します。すべての新しいカードはボックス1から始まります。

  • • 正解 — カードを次に高いボックスに移動します。
  • • 不正解 — カードをボックス1に戻します。

各ボックスには独自の復習頻度があります:ボックス1は毎日、ボックス2は2日ごと、ボックス3は4日ごと、という具合です。一貫して覚えているカードは上位のボックスへ流れていき、忘れるカードは頻繁な復習に引き戻されます。

強みと限界

Leitnerは可能な限り最もシンプルなSRSです — 数学をまったく必要とせず、紙のカードと靴箱があれば機能します。そのスケジューリングはSM-2やFSRSよりもはるかに粗く、間隔は個々の記憶やカードの難易度に適応しません。短期学習やデジタルツールを避ける学習環境では、今でも十分です。ほとんどの現代的な用途では、SM-2を動かすデジタルSRS、特にFSRSを動かすものの方が、より効率的に復習をスケジュールします。

FSRS vs SM-2:どちらのアルゴリズムのパフォーマンスが優れているか?

open-spaced-repetitionプロジェクトは、Ankiユーザー1万人による約7億2,700万件の復習を使って、FSRSとSM-2を比較するベンチマークを実施しました。主要な結果:FSRSの方が想起をより正確に予測できます。開発者の見積もりでは、同じ記憶保持率で、これはおよそ20-30%少ない復習に相当します — 毎日復習する2,000枚のデッキなら、週に数時間の節約になる可能性があります。

FSRSが明確に勝つところ

  • 長期的な記憶保持(30日以上の間隔):FSRSの適応型安定性追跡は、SM-2の固定乗数よりも長い間隔を正確にスケジュールします。
  • 難易度が混在するデッキ:FSRSはカードごとの難易度を学習します。SM-2の普遍的な乗数は簡単なカードを過剰にスケジュールし、難しいカードを過少にスケジュールします。
  • 1,000回以上の復習を持つユーザー:FSRSはパーソナライズのために学習データを必要とします。データが揃うと、SM-2との差は復習を重ねるごとに広がります。

SM-2がまだ通用するところ

  • 小さなデッキ(500枚未満):FSRSはまだパーソナルモデルをフィットできず、SM-2のデフォルトは競争力があります。
  • まったくの初心者:SM-2は初日からゼロセットアップで機能します。デフォルトパラメーターのFSRSも問題ありませんが、意味のあるアドバンテージはデータが蓄積されてから現れます。
  • 解釈可能性:SM-2のスケジューリングは (EF, 間隔) から予測できます。FSRSはあなたの履歴に約20個のパラメーターをフィットさせるため、手計算で推測するのは困難です。
実用的な結論

あなたのフラッシュカードアプリがFSRSを提供しているなら、有効にしてください。ほとんどのユーザーにとって、見積もられている20-30%の復習削減は、得られる最大の効率化であり、だからこそAnkiはv23.10でこれを内蔵しました。SM-2に留まる理由は、非常に小さなデッキ、薄い復習履歴、あるいは再最適化したくないデッキ途中の移行くらいです。

どのアルゴリズムを使うべきか?

素早い意思決定フレームワーク:

  • 1.

    大きなデッキ(1,000枚以上)と長期的な記憶保持が目標 → FSRS。Anki、RemNote、StudyGlenがいずれも実装しています。

  • 2.

    小さなデッキと短期学習(単発の試験、外国語のフレーズ集)→ 素のLeitnerを含め、どのアルゴリズムでも問題ありません。考え過ぎないでください。

  • 3.

    セットアップなしでAI生成カードが欲しい → StudyGlen(デフォルトでFSRS、AIがPDF、ノート、画像からカードを生成)。

  • 4.

    最大限のコントロールとコミュニティデッキの利用が欲しい → Anki(デフォルトはSM-2、v23.10以降FSRSを内蔵)。

  • 5.

    長文のノートを取り、フラッシュカードを組み込みで使いたい → RemNote(デフォルトはSM-2、FSRSも利用可能)。

  • 6.

    専門家が選んだフラッシュカードセットと、シンプルな確信度ベースの復習が欲しい → Brainscape(独自のFSRS以外のスケジューラーであるCBRを使用)。

  • 7.

    既存のフラッシュカードの最大のライブラリが必要で、公開されたアルゴリズムはなくてもよい → Quizlet(フラッシュカードモードで間隔反復を利用可能)。

2026年のほとんどの学生にとって、FSRSを搭載したアプリが正しいデフォルトです。このアルゴリズムには、SM-2に代わって最先端となるだけの理由があります — そして今では、Anki、RemNote、StudyGlenがこれを内蔵しています。

これらのアルゴリズムを実装するアプリ

ここでは、間隔反復で最もよく使われる5つのフラッシュカードアプリを、内部で動いているアルゴリズムごとにグループ化しています。以下の結論と長所/短所は比較の助けになります — ただしまだアルゴリズム間で迷っている場合は、どのアルゴリズムを使うべきかのセクションに戻ってください。

StudyGlen

総合ベスト — あらゆるコンテンツからのAIカード生成を備えたFSRS間隔反復

メリット

  • FSRSアルゴリズムが個人の記憶パターンに適応し、最適な復習タイミングを実現
  • AIがPDF、テキスト、画像入力からフラッシュカードを生成(手動カード作成不要)
  • 期限を設定すると、StudyGlenがその日にデッキが新鮮な状態になるよう新しいカードの出し方を調整し、FSRSがすべての復習を数学的にスケジュール
  • クイズ、教育漫画、ライブクイズセッションも生成
  • 自動検出付き41言語対応
  • 無料プラン利用可能、クレジットベースの価格設定(一度購入すればクレジットに有効期限なし)
  • 視覚的記憶補助のためのAI生成教育画像をフラッシュカードに表示
  • フラッシュカード用のiPhoneとAndroidアプリが無料 — 復習無制限、毎日無料のAIデッキ1つ付きの手厚い無料プラン

デメリット

  • 新しいプラットフォーム、成長中のコミュニティ
  • 追加のAI生成やカード画像の生成にはクレジットを使用
  • 既製の共有デッキライブラリなし
料金: 無料プラン利用可能。クレジットパックは$4.99から(一度購入すればクレジットに有効期限なし)
おすすめの用途: 最も効果的な間隔反復アルゴリズム(FSRS)とAIカード生成を組み合わせたい学生 — 手動作業不要

Anki

パワーユーザー向けベスト — 最大限のカスタマイズ性を備えたオープンソースのFSRS/SM-2

メリット

  • 無料&オープンソース(デスクトップとAndroid)
  • FSRSとSM-2の両方のアルゴリズムをサポート(FSRSはオプトイン方式)
  • 高度にカスタマイズ可能なカードテンプレート、ノートタイプ、スケジューリングパラメーター
  • 何千もの共有デッキを持つ巨大コミュニティ(医学向けのAnKingなど)
  • すべてのプラットフォームで完全にオフライン動作
  • 強力なアドオンエコシステムが機能を拡張

デメリット

  • 初心者には急な学習曲線
  • 内蔵のAIカード生成なし(手動作成またはアドオンが必要)
  • iOSアプリは$24.99(買い切り)
  • デスクトップ風のインターフェース
料金: 無料(デスクトップ、Android)。iOSアプリは$24.99買い切り
おすすめの用途: FSRSパラメータを完全にコントロールしたいパワーユーザーや、巨大な共有デッキエコシステムを求める医学生

Brainscape

キュレートコンテンツ向けベスト — 専門家作成デッキと信頼度ベース反復

メリット

  • 信頼度ベース反復(CBR)が自己評価信頼度(1-5スケール)に応じて復習頻度を調整
  • 認定済み専門家作成フラッシュカードクラスの大規模マーケットプレイス
  • 洗練されたネイティブモバイルアプリ(iOSとAndroid)
  • 詳細な進捗追跡と分析ダッシュボード
  • 教師と教室向けのツールを内蔵

デメリット

  • AI生成にPDF全体のアップロードは不可(テキストを貼り付ける)
  • CBRは独自仕様で、スケジューリングはFSRSのようには公開されていない
  • ライブラリを無制限に使うにはProが必要(年払いで$7.99/月から)
  • Ankiに比べてカードのカスタマイズが限定的
料金: 無料プランあり。Proは$7.99/月から(年払い)
おすすめの用途: 試験や資格取得のためにシンプルな信頼度ベースの復習システムで、専門家が厳選したフラッシュカードセットを好む学生

RemNote

ノート作成者向けのベスト — SM-2またはFSRSの間隔反復が知識ベースに組み込まれている

メリット

  • SM-2またはFSRSの間隔反復がノート作成のワークフローに直接統合
  • AIがノートから自動的にフラッシュカードを生成
  • 双方向リンクが、つながった概念の知識グラフを作成
  • 学習資料用のPDF注釈とインポート
  • ノート作成、フラッシュカード、復習を1つのワークスペースに統合

デメリット

  • デフォルトはSM-2で、FSRSはオプトイン方式のベータ版
  • シンプルなフラッシュカードアプリよりも学習曲線が急
  • 無料プランではAIクレジット、注釈付きPDF、画像オクルージョンが制限される
  • Ankiと比べてコミュニティが小さく、既製デッキも少ない
料金: 無料プランあり。Proは$8/月から(年払い)
おすすめの用途: ノート作成と知識管理ワークフローに間隔反復を組み込みたい大学院生や研究者

Quizlet

最大のライブラリ — 馴染みのあるインターフェースで、フラッシュカードモードでは間隔反復も使える

メリット

  • ユーザー作成のフラッシュカードセットの巨大なライブラリ
  • AIスタディガイドがノートをフラッシュカードセットに変換
  • 洗練されたモバイルアプリ(オフラインダウンロードはQuizlet Plusで利用可能)
  • 複数の学習モード(Learn、Test、Matchゲーム)
  • 簡単に始められる、馴染みのあるインターフェース

デメリット

  • 間隔反復のスケジューラーは非公開(評価ボタンは4つ)
  • AIをフルに使うにはQuizlet Plusが必要(App Storeで$9.99/月)
  • 広告付きの無料プラン
  • Ankiデッキのインポート・エクスポート非対応
  • 自分の画像のアップロードにはQuizlet Plusが必要
料金: 広告付きで無料。Quizlet Plusは$9.99/月または$44.99/年(App Store価格)
おすすめの用途: 何百万もの既存フラッシュカードセットを利用でき、シンプルな内蔵の復習モードがあればよいカジュアルな学生

機能比較表

機能StudyGlenAnkiBrainscapeRemNoteQuizlet
SRアルゴリズムFSRSFSRS/SM-2CBRSM-2/FSRSあり(非公開)
AIカード生成ありアドオンありありあり
PDFアップロードありアドオンテキストを貼り付けありあり
カードタイプ基本、穴埋め、画像基本、穴埋め、カスタム基本のみ基本、穴埋め基本、ダイアグラム
復習分析ありありあり限定的限定的
無料プラン無料無料限定的限定的広告付き
モバイルアプリiOS + Androidありありありあり

実際の動作を見る

StudyGlenがあらゆる学習教材から数秒でフラッシュカードを生成する様子をご覧ください。

よくある質問

FSRSは何の略ですか?

FSRSはFree Spaced Repetition Schedulerの略です。2022年からJarrett Yeとopen-spaced-repetitionコミュニティが開発しているオープンソースの間隔反復アルゴリズムです。Ankiはバージョン23.10(2023年10月)で、オプトイン方式のスケジューラーとして追加しました。

FSRSはどのように機能しますか?

FSRSは各フラッシュカードの記憶を3つの値でモデル化します:難易度(そのカードがあなたにとってどれだけ難しいか)、安定性(想起確率があなたの記憶保持の目標値まで下がるのに何日かかるか)、想起可能性(そのカードを思い出せる現在の予測確率)。毎回の復習後に、FSRSはこれらの値を更新し、目標の記憶保持率に達する最適なタイミングで次の復習をスケジュールします。およそ1,000回の復習後には、勾配降下法を使って、あなた固有の記憶パターンに合わせたパーソナライズ済みパラメーターをフィットできます。

FSRSとSM-2の違いは何ですか?

1987年にPiotr Wożniakが公開したSM-2は、各復習の評価に基づいて間隔を伸ばすために固定の乗数を使います。2022年にリリースされたFSRSは、あなたの復習履歴に統計モデルをフィットさせ、各カードを想起確率の予測に基づいてスケジュールします。約7億2,700万件のAnki復習に対するopen-spaced-repetitionのベンチマークでは、FSRSの方がSM-2よりも正確に想起を予測できることが示されています。これは、個々の学習者やカード単位の難易度に適応するためで、開発者は同じ記憶保持率に対しておよそ20-30%少ない復習で済むと見積もっています。SM-2はよりシンプルで学習データを必要としません。FSRSは、パーソナライズに十分な復習履歴があればより正確になります。

FSRSはLeitnerシステムより優れていますか?

ほぼすべての現代的なデジタル用途で、はい。Leitnerボックスシステム(1972年)は、個々の記憶やカード単位の難易度に適応しない、ボックス間の固定間隔(例:1日、2日、4日)を使います。FSRSは、あなたの復習履歴から間隔の長さを動的に計算し、あなたが選んだ記憶保持率を明示的に目標にします。Leitnerは紙のフラッシュカードや最もシンプルなアプリには今でも十分ですが、FSRS — あるいはSM-2でさえも — を動かすSRSの方が、復習をより効率的にスケジュールします。

AnkiでFSRSパラメーターはどれくらいの頻度で再最適化すべきですか?

Ankiのマニュアルによると、最適化は月に1回で十分です。毎日のようにはるかに頻繁に最適化しても、得られる効果はわずかです。学習が不規則な場合は、復習した総カード数がおおよそ倍になったタイミングが良い目安です。

どのフラッシュカードアプリがFSRSをサポートしていますか?

Anki(v23.10以降オプトイン)、RemNote(SM-2と並ぶオプトイン方式のベータ版)、StudyGlen(すべてのデッキのスケジューラー)が、いずれもFSRSをネイティブにサポートしています。アルゴリズム自体はオープンソースで — MITライセンスのPythonとRustの実装がGitHubのopen-spaced-repetition組織にあります — 今後さらに多くのアプリが採用していくでしょう。

Ankiデッキのカードが1,000枚未満の場合、FSRSを有効にすべきですか?

FSRSは、パーソナライズされたモデルをフィットさせるために復習データを必要とします。復習がおよそ1,000件未満の間はデフォルトのパラメーターに戻り、SM-2と似た挙動になるため、見積もられている20-30%の復習削減はまだ得られません。とはいえ、FSRSを早めに有効にしても不利益はほとんどありません:Ankiのデッキオプションでオンにでき、十分な復習履歴が蓄積されればすぐに、パーソナライズによる精度の向上が現れ始めます。

Ankiデッキを新しい間隔反復アプリに移行して、スケジューリングを保持できますか?

移行先のアプリによります。StudyGlenは.apkgと.colpkgのアップロードを直接受け付け、AnkiのSM-2スケジューリング状態(間隔、習熟度、失敗数)をオプトインでFSRSに変換できるため、すでに学習したカードがゼロ日目にリセットされません。他のほとんどのツールは、.apkgをまったく受け付けないか、インポートしたカードを新規として扱って復習履歴を失います。ただしRemNoteは例外で、.apkgデッキを復習履歴ごとインポートできます。長年のAnkiのスケジューリングを保持することが重要なら、移行前に、移行先のアプリがSM-2→FSRS変換を明示的にサポートしているか確認してください。StudyGlenへのインポートは、アカウントがあれば無料で、1日20デッキまで可能です。

Ankiより使いやすい最高の代替アプリは?

Ankiのスケジューリングは気に入っていても設定が面倒なら、StudyGlenが同じFSRSアルゴリズムを標準で使います。PDF、ノート、YouTube動画からカードを自動作成し、.apkgデッキは復習履歴をFSRSに変換してインポートできます。BrainscapeとRemNoteもAnkiより始めやすく、どちらもAIでカードを作れます。Brainscapeは貼り付けたテキストから、RemNoteは保存しているノートからです。

FSRSスケジューリングをポケットに

StudyGlenのモバイルアプリはiPhoneとAndroidで同じFSRSスケジューラーを使用しており、オフラインでも復習できます。

アプリを見る

第1位の間隔反復アプリを無料で試す

PDFをアップロード、ノートを貼り付け、画像をスキャン — FSRS間隔反復スケジューリング付きのAIフラッシュカードを数秒で取得

間隔反復を無料で始める