使用發音評定

  • 發行項

在本文中，您將學習如何透過語音 SDK 使用語音轉換文字評估發音。 發音評定會評估語音發音，並向說話者提供關於說話音訊正確度和流暢度的意見反應。

在串流模式中使用發音評估

發音評估支援不中斷的串流模式。 錄製時間可以透過語音 SDK 無限制。 只要您不停止錄製，評估程式就不會完成，而且您可以方便暫停和繼續評估。

如需發音評定可用性的相關資訊，請參閱支援的語言和可用區域。

作為基準，發音評估的使用成本與語音轉文字相同，適用於隨用隨付或承諾層 定價。 如果您 購買語音轉文字的承諾層 ，發音評估的支出會用於符合承諾用量。 如需詳細資訊，請參閱定價。

如需了解如何在您自己的應用程式中以串流模式使用發音評定，請參閱範例程式碼。

如需了解如何在您自己的應用程式中以串流模式使用發音評定，請參閱範例程式碼。

如需了解如何在您自己的應用程式中以串流模式使用發音評定，請參閱範例程式碼。

如需了解如何在您自己的應用程式中以串流模式使用發音評定，請參閱範例程式碼。

如需了解如何在您自己的應用程式中以串流模式使用發音評定，請參閱範例程式碼。

如需了解如何在您自己的應用程式中以串流模式使用發音評定，請參閱範例程式碼。

如需了解如何在您自己的應用程式中以串流模式使用發音評定，請參閱範例程式碼。

設定組態參數

注意

語音 SDK for Go 無法使用發音評定。 您可以閱讀本指南中的概念。 為您的解決方案選取另一種程式設計語言。

在 中 SpeechRecognizer，您可以指定要學習或練習改善發音的語言。 預設地區設定為 en-US。 若要了解如何在您自己的應用程式中指定發音評估的學習語言，請參閱範例程式碼。

提示

如果您不確定要針對具有多個地區設定的語言設定，請分別嘗試每個地區設定。 例如，針對西班牙文，請嘗試 es-ES 和 es-MX。 判斷案例的地區設定分數較高。

您必須建立 PronunciationAssessmentConfig 物件。 您可以設定 EnableProsodyAssessment 和 EnableContentAssessmentWithTopic 來啟用 prosody 和 content assessment。 如需詳細資訊，請參閱 組態方法。

var pronunciationAssessmentConfig = new PronunciationAssessmentConfig( 
    referenceText: "", 
    gradingSystem: GradingSystem.HundredMark,  
    granularity: Granularity.Phoneme,  
    enableMiscue: false); 
pronunciationAssessmentConfig.EnableProsodyAssessment(); 
pronunciationAssessmentConfig.EnableContentAssessmentWithTopic("greeting"); 

auto pronunciationConfig = PronunciationAssessmentConfig::Create("", PronunciationAssessmentGradingSystem::HundredMark, PronunciationAssessmentGranularity::Phoneme, false); 
pronunciationConfig->EnableProsodyAssessment(); 
pronunciationConfig->EnableContentAssessmentWithTopic("greeting"); 

PronunciationAssessmentConfig pronunciationConfig = new PronunciationAssessmentConfig("", 
    PronunciationAssessmentGradingSystem.HundredMark, PronunciationAssessmentGranularity.Phoneme, false); 
pronunciationConfig.enableProsodyAssessment(); 
pronunciationConfig.enableContentAssessmentWithTopic("greeting");

pronunciation_config = speechsdk.PronunciationAssessmentConfig( 
    reference_text="", 
    grading_system=speechsdk.PronunciationAssessmentGradingSystem.HundredMark, 
    granularity=speechsdk.PronunciationAssessmentGranularity.Phoneme, 
    enable_miscue=False) 
pronunciation_config.enable_prosody_assessment() 
pronunciation_config.enable_content_assessment_with_topic("greeting")

var pronunciationAssessmentConfig = new sdk.PronunciationAssessmentConfig( 
    referenceText: "", 
    gradingSystem: sdk.PronunciationAssessmentGradingSystem.HundredMark,  
    granularity: sdk.PronunciationAssessmentGranularity.Phoneme,  
    enableMiscue: false); 
pronunciationAssessmentConfig.enableProsodyAssessment(); 
pronunciationAssessmentConfig.enableContentAssessmentWithTopic("greeting");  

SPXPronunciationAssessmentConfiguration *pronunicationConfig = 
[[SPXPronunciationAssessmentConfiguration alloc] init:@"" gradingSystem:SPXPronunciationAssessmentGradingSystem_HundredMark granularity:SPXPronunciationAssessmentGranularity_Phoneme enableMiscue:false]; 
[pronunicationConfig enableProsodyAssessment]; 
[pronunicationConfig enableContentAssessmentWithTopic:@"greeting"]; 

let pronAssessmentConfig = try! SPXPronunciationAssessmentConfiguration("", 
    gradingSystem: .hundredMark, 
    granularity: .phoneme, 
    enableMiscue: false) 
pronAssessmentConfig.enableProsodyAssessment() 
pronAssessmentConfig.enableContentAssessment(withTopic: "greeting")

此表列出發音評定的部分主要設定參數。

參數 描述
ReferenceText 評估發音時所使用的文字。

ReferenceText 是選用參數。 如果您想要針對閱讀語言學習案例執行 腳本評估 ，請設定參考文字。 如果您想要執行 未標明的評量，請勿設定參考文字。

如需腳本與未指定評量之間的定價差異，請參閱 定價。
GradingSystem 評分校正的計分系統。 FivePoint 提供0-5浮點數分數。 HundredMark 提供 0-100 浮點數分數。 預設值：FivePoint。
Granularity 判斷評估資料細微性的最低層級。 傳回大於或等於最小值之層級的分數。 接受的值為 Phoneme，其會顯示全文檢索、單字、音節和音素層級的分數， Word其中顯示全文檢索和文字層級的分數，或 FullText，只會在全文檢索層級顯示分數。 提供的完整參考文字可以是單字、句子或段落。 這取決於您的輸入參考文字。 預設值：Phoneme。
EnableMiscue 比較發音的字組和參考文字時，會計算失誤。 啟用誤判是選擇性的。 如果這個值為 True，則 ErrorType 結果值可以根據比較設定為 Omission 或 Insertion。 值為 False 和 True。 預設值：False。 若要啟用錯誤計算，請將 EnableMiscue 設為 True。 您可以參考資料表下方的程式碼片段。
ScenarioId 自訂點系統的 GUID。

設定方法

下表列出您可以為 PronunciationAssessmentConfig 物件設定的一些選擇性方法。

注意

內容和專業評定僅適用於 美國 地區設定。

若要探索內容和專業評定，請升級至 SDK 1.35.0 版或更新版本。

方法 描述
EnableProsodyAssessment 啟用發音評估的 Prosody 評估。 此功能會評估壓力、調音、說話速度和節奏等層面。 這項功能可讓您深入了解語音的自然性和表達性。

啟用 Prosody 評定是選擇性的。 如果呼叫這個方法，則會 ProsodyScore 傳回結果值。
EnableContentAssessmentWithTopic 啟用內容評量。 內容評量是語言學習案例的未標語評定的一部分。 藉由提供描述，您可以增強評定對所談論特定主題的瞭解。 例如，在 C# 中呼叫 pronunciationAssessmentConfig.EnableContentAssessmentWithTopic("greeting");。 您可以將「問候語」取代為您想要的文字來描述主題。 描述沒有長度限制，目前僅支援 en-US 地區設定。

取得發音評定結果

辨識語音時，您可以要求將發音評定結果以 SDK 物件或 JSON 字串來呈現。

using (var speechRecognizer = new SpeechRecognizer(
    speechConfig,
    audioConfig))
{
    pronunciationAssessmentConfig.ApplyTo(speechRecognizer);
    var speechRecognitionResult = await speechRecognizer.RecognizeOnceAsync();

    // The pronunciation assessment result as a Speech SDK object
    var pronunciationAssessmentResult =
        PronunciationAssessmentResult.FromResult(speechRecognitionResult);

    // The pronunciation assessment result as a JSON string
    var pronunciationAssessmentResultJson = speechRecognitionResult.Properties.GetProperty(PropertyId.SpeechServiceResponse_JsonResult);
}

使用 SDK 物件搭配適用於 C++ 的語音 SDK，無法使用 Word、音節和音素結果。 字組、音節和音素結果只能在 JSON 字串中使用。

auto speechRecognizer = SpeechRecognizer::FromConfig(
    speechConfig,
    audioConfig);

pronunciationAssessmentConfig->ApplyTo(speechRecognizer);
speechRecognitionResult = speechRecognizer->RecognizeOnceAsync().get();

// The pronunciation assessment result as a Speech SDK object
auto pronunciationAssessmentResult =
    PronunciationAssessmentResult::FromResult(speechRecognitionResult);

// The pronunciation assessment result as a JSON string
auto pronunciationAssessmentResultJson = speechRecognitionResult->Properties.GetProperty(PropertyId::SpeechServiceResponse_JsonResult);

若要了解如何在您自己的應用程式中指定發音評估的學習語言，請參閱範例程式碼。

針對 Android 應用程式開發，可以使用 SDK 物件搭配適用於 Java 的語音 SDK 來取得文字、音節和音素結果。 結果也可以在 JSON 字串中取得。 針對 JAVA Runtime (JRE) 應用程式開發，字組、音節和音素結果只能在 JSON 字串中取得。

SpeechRecognizer speechRecognizer = new SpeechRecognizer(
    speechConfig,
    audioConfig);

pronunciationAssessmentConfig.applyTo(speechRecognizer);
Future<SpeechRecognitionResult> future = speechRecognizer.recognizeOnceAsync();
SpeechRecognitionResult speechRecognitionResult = future.get(30, TimeUnit.SECONDS);

// The pronunciation assessment result as a Speech SDK object
PronunciationAssessmentResult pronunciationAssessmentResult =
    PronunciationAssessmentResult.fromResult(speechRecognitionResult);

// The pronunciation assessment result as a JSON string
String pronunciationAssessmentResultJson = speechRecognitionResult.getProperties().getProperty(PropertyId.SpeechServiceResponse_JsonResult);

recognizer.close();
speechConfig.close();
audioConfig.close();
pronunciationAssessmentConfig.close();
speechRecognitionResult.close();

var speechRecognizer = SpeechSDK.SpeechRecognizer.FromConfig(speechConfig, audioConfig);

pronunciationAssessmentConfig.applyTo(speechRecognizer);

speechRecognizer.recognizeOnceAsync((speechRecognitionResult: SpeechSDK.SpeechRecognitionResult) => {
    // The pronunciation assessment result as a Speech SDK object
    var pronunciationAssessmentResult = SpeechSDK.PronunciationAssessmentResult.fromResult(speechRecognitionResult);

    // The pronunciation assessment result as a JSON string
    var pronunciationAssessmentResultJson = speechRecognitionResult.properties.getProperty(SpeechSDK.PropertyId.SpeechServiceResponse_JsonResult);
},
{});

若要了解如何在您自己的應用程式中指定發音評估的學習語言，請參閱範例程式碼。

speech_recognizer = speechsdk.SpeechRecognizer(
        speech_config=speech_config, \
        audio_config=audio_config)

pronunciation_assessment_config.apply_to(speech_recognizer)
speech_recognition_result = speech_recognizer.recognize_once()

# The pronunciation assessment result as a Speech SDK object
pronunciation_assessment_result = speechsdk.PronunciationAssessmentResult(speech_recognition_result)

# The pronunciation assessment result as a JSON string
pronunciation_assessment_result_json = speech_recognition_result.properties.get(speechsdk.PropertyId.SpeechServiceResponse_JsonResult)

若要了解如何在您自己的應用程式中指定發音評估的學習語言，請參閱範例程式碼。

SPXSpeechRecognizer* speechRecognizer = \
        [[SPXSpeechRecognizer alloc] initWithSpeechConfiguration:speechConfig
                                              audioConfiguration:audioConfig];

[pronunciationAssessmentConfig applyToRecognizer:speechRecognizer];

SPXSpeechRecognitionResult *speechRecognitionResult = [speechRecognizer recognizeOnce];

// The pronunciation assessment result as a Speech SDK object
SPXPronunciationAssessmentResult* pronunciationAssessmentResult = [[SPXPronunciationAssessmentResult alloc] init:speechRecognitionResult];

// The pronunciation assessment result as a JSON string
NSString* pronunciationAssessmentResultJson = [speechRecognitionResult.properties getPropertyByName:SPXSpeechServiceResponseJsonResult];

若要了解如何在您自己的應用程式中指定發音評估的學習語言，請參閱範例程式碼。

let speechRecognizer = try! SPXSpeechRecognizer(speechConfiguration: speechConfig, audioConfiguration: audioConfig)

try! pronConfig.apply(to: speechRecognizer)

let speechRecognitionResult = try? speechRecognizer.recognizeOnce()

// The pronunciation assessment result as a Speech SDK object
let pronunciationAssessmentResult = SPXPronunciationAssessmentResult(speechRecognitionResult!)

// The pronunciation assessment result as a JSON string
let pronunciationAssessmentResultJson = speechRecognitionResult!.properties?.getPropertyBy(SPXPropertyId.speechServiceResponseJsonResult)

結果參數

根據您 使用的是文稿 式或 未指定評量 ，您可以取得不同的發音評定結果。 腳本評估適用於閱讀語言學習案例。 未標語評估適用於語言學習案例。

注意

如需腳本與未指定評量之間的定價差異，請參閱 定價。

腳本評估結果

下表列出腳本評估或閱讀案例的一些關鍵發音評估結果。

參數 描述 資料粒度
AccuracyScore 語音的發音精確度。 精確度表示音素與母語人士發音的相符程度。 音節、文字和全文檢索精確度分數會從音素級精確度分數匯總，並使用評估目標進行精簡。 電話 me 層級，
音節層級 （僅限 en-US），
文字層級，
全文檢索層級
FluencyScore 指定語音的流暢度。 流暢度指出語音與母語人士在字組間停頓的相符程度。 全文檢索層級
CompletenessScore 語音的完整性，按輸入參考文字的發音字組比例計算。 全文檢索層級
ProsodyScore 給定演講的原音。 Prosody 指出給定演講的自然性，包括壓力、語調、說話速度和節奏。 全文檢索層級
PronScore 所指定語音發音質量的整體分數。 PronScore 是 AccuracyScore、FluencyScore 和 CompletenessScore 的加權彙總。 全文檢索層級
ErrorType 這個值表示與參考文字相較之下的錯誤類型。 選項包括省略、插入或不正確地插入斷字。 它也表示標點符號的遺漏中斷。 它也指出一個字是發音不好，還是單調地上升、下降或平淡的語句。 這個字、Omission、、、Insertion、UnexpectedBreakMispronunciation、 MissingBreak和 Monotone上沒有任何錯誤的可能值None。 當某個字組的發音 Mispronunciation 低於 60 時，錯誤類型可能是 AccuracyScore。 文字層級

未標明的評量結果

下表列出未指定評量或說話案例的一些關鍵發音評量結果。

VocabularyScore、 GrammarScore和 TopicScore 參數會匯總至合併的內容評估。

注意

內容和專業評定僅適用於 美國 地區設定。

回應參數 描述 資料粒度
AccuracyScore 語音的發音精確度。 精確度表示音素與母語人士發音的相符程度。 音節、字組和全文的精確度分數是音素等級精確度分數的彙總，並使用評量目標進行精簡。 電話 me 層級，
音節層級 （僅限 en-US），
文字層級，
全文檢索層級
FluencyScore 指定語音的流暢度。 流暢度指出語音與母語人士在字組間停頓的相符程度。 全文檢索層級
ProsodyScore 給定演講的原音。 Prosody 指出給定演講的自然性，包括壓力、語調、說話速度和節奏。 全文檢索層級
VocabularyScore 語匯用法的熟練程度。 它會評估說話者在指定內容中有效使用單字及其適當性，以準確表達想法，以及語彙複雜度的水準。 全文檢索層級
GrammarScore 使用文法和各種句子模式的正確性。 語彙精確度、文法精確度和句子結構的多樣性共同提升文法錯誤。 全文檢索層級
TopicScore 與主題的了解和參與程度，可提供演講者有效表達想法和想法的能力，以及參與主題的能力。 全文檢索層級
PronScore 所指定語音發音質量的整體分數。 此值會從 AccuracyScore、 FluencyScore和 以 CompletenessScore 權數進行匯總。 全文檢索層級
ErrorType 一個字的發音不正確、不正確地插入斷點符號，或在標點符號時遺漏斷點符號。 它也指出發音是單調上升、下降還是平淡的語句。 這個字、、Mispronunciation、 MissingBreakUnexpectedBreak和Monotone上沒有錯誤的可能值None。 文字層級

下表更詳細地說明 prosody 評估結果：

欄位 描述
ProsodyScore 整個語句的 Prosody 分數。
Feedback 文字層級的意見反應，包括 Break 和 Intonation。
Break
ErrorTypes 與中斷相關的錯誤類型，包括 UnexpectedBreak 和 MissingBreak。 目前的版本不提供中斷錯誤類型。 您必須設定欄位 UnexpectedBreak – Confidence 的臨界值，並 MissingBreak – confidence 決定在單字前面是否有非預期的中斷或遺漏中斷。
UnexpectedBreak 表示字組前未預期的斷點。
MissingBreak 表示字組前遺漏的斷符。
Thresholds 這兩個信賴分數的建議閾值為0.75。 這表示，如果的值 UnexpectedBreak – Confidence 大於 0.75，就會有非預期的中斷。 如果的值 MissingBreak – confidence 大於 0.75，則會有遺漏的中斷。 雖然 0.75 是我們建議的值，但最好根據您自己的案例調整閾值。 如果您想要在這兩個中斷時具有變數偵測敏感度，您可以將不同的臨界值指派給 UnexpectedBreak - Confidence 和 MissingBreak - Confidence 字段。
Intonation 表示語音中的調音。
ErrorTypes 與調音相關的錯誤類型，目前僅支援 Monotone。 Monotone如果 存在於欄位中ErrorTypes，則會偵測到語句為單調。 單調會在整個語句上偵測到，但標記會指派給所有單字。 相同語句中的所有單字都會共用相同的單調偵測資訊。
Monotone 表示單調語音。
Thresholds (Monotone Confidence) 欄位 Monotone - SyllablePitchDeltaConfidence 會保留給使用者自定義的單調偵測。 如果您對提供的單調決策不滿意，請調整這些欄位的閾值，根據您的喜好設定來自定義偵測。

JSON 結果範例

口語 「hello」 的腳本發音評估結果會顯示為下列範例中的 JSON 字串。

  • 音素字母是 IPA。
  • 同一個字組的音節會與音素一起傳回。
  • 您可以使用 Offset 和 Duration 值，將音節與相對應的音素對齊。 例如，第二個音節 loʊ 的起始位移 （117000000） 與第三個音素 l對齊。 位移代表辨識語音在音訊數據流中開始的時間。 此值是以 100 奈秒為單位來測量。 若要深入了解 Offset 和 Duration ，請參閱回應屬性。
  • 有五NBestPhonemes個對應到要求的語音電話數目。
  • 在 Phonemes 之中，最有可能的口語音素是 ə，而非預期的音素 ɛ。 預期的音素 ɛ 只收到 47 分的信賴分數。 其他可能相符的音素則收到 52 分、17 分和 2 分的信賴分數。
{
    "Id": "bbb42ea51bdb46d19a1d685e635fe173",
    "RecognitionStatus": 0,
    "Offset": 7500000,
    "Duration": 13800000,
    "DisplayText": "Hello.",
    "NBest": [
        {
            "Confidence": 0.975003,
            "Lexical": "hello",
            "ITN": "hello",
            "MaskedITN": "hello",
            "Display": "Hello.",
            "PronunciationAssessment": {
                "AccuracyScore": 100,
                "FluencyScore": 100,
                "CompletenessScore": 100,
                "PronScore": 100
            },
            "Words": [
                {
                    "Word": "hello",
                    "Offset": 7500000,
                    "Duration": 13800000,
                    "PronunciationAssessment": {
                        "AccuracyScore": 99.0,
                        "ErrorType": "None"
                    },
                    "Syllables": [
                        {
                            "Syllable": "hɛ",
                            "PronunciationAssessment": {
                                "AccuracyScore": 91.0
                            },
                            "Offset": 7500000,
                            "Duration": 4100000
                        },
                        {
                            "Syllable": "loʊ",
                            "PronunciationAssessment": {
                                "AccuracyScore": 100.0
                            },
                            "Offset": 11700000,
                            "Duration": 9600000
                        }
                    ],
                    "Phonemes": [
                        {
                            "Phoneme": "h",
                            "PronunciationAssessment": {
                                "AccuracyScore": 98.0,
                                "NBestPhonemes": [
                                    {
                                        "Phoneme": "h",
                                        "Score": 100.0
                                    },
                                    {
                                        "Phoneme": "oʊ",
                                        "Score": 52.0
                                    },
                                    {
                                        "Phoneme": "ə",
                                        "Score": 35.0
                                    },
                                    {
                                        "Phoneme": "k",
                                        "Score": 23.0
                                    },
                                    {
                                        "Phoneme": "æ",
                                        "Score": 20.0
                                    }
                                ]
                            },
                            "Offset": 7500000,
                            "Duration": 3500000
                        },
                        {
                            "Phoneme": "ɛ",
                            "PronunciationAssessment": {
                                "AccuracyScore": 47.0,
                                "NBestPhonemes": [
                                    {
                                        "Phoneme": "ə",
                                        "Score": 100.0
                                    },
                                    {
                                        "Phoneme": "l",
                                        "Score": 52.0
                                    },
                                    {
                                        "Phoneme": "ɛ",
                                        "Score": 47.0
                                    },
                                    {
                                        "Phoneme": "h",
                                        "Score": 17.0
                                    },
                                    {
                                        "Phoneme": "æ",
                                        "Score": 2.0
                                    }
                                ]
                            },
                            "Offset": 11100000,
                            "Duration": 500000
                        },
                        {
                            "Phoneme": "l",
                            "PronunciationAssessment": {
                                "AccuracyScore": 100.0,
                                "NBestPhonemes": [
                                    {
                                        "Phoneme": "l",
                                        "Score": 100.0
                                    },
                                    {
                                        "Phoneme": "oʊ",
                                        "Score": 46.0
                                    },
                                    {
                                        "Phoneme": "ə",
                                        "Score": 5.0
                                    },
                                    {
                                        "Phoneme": "ɛ",
                                        "Score": 3.0
                                    },
                                    {
                                        "Phoneme": "u",
                                        "Score": 1.0
                                    }
                                ]
                            },
                            "Offset": 11700000,
                            "Duration": 1100000
                        },
                        {
                            "Phoneme": "oʊ",
                            "PronunciationAssessment": {
                                "AccuracyScore": 100.0,
                                "NBestPhonemes": [
                                    {
                                        "Phoneme": "oʊ",
                                        "Score": 100.0
                                    },
                                    {
                                        "Phoneme": "d",
                                        "Score": 29.0
                                    },
                                    {
                                        "Phoneme": "t",
                                        "Score": 24.0
                                    },
                                    {
                                        "Phoneme": "n",
                                        "Score": 22.0
                                    },
                                    {
                                        "Phoneme": "l",
                                        "Score": 18.0
                                    }
                                ]
                            },
                            "Offset": 12900000,
                            "Duration": 8400000
                        }
                    ]
                }
            ]
        }
    ]
}

您可以取得下列項目的發音評定分數：

  • 全文
  • 字組
  • 音節群組
  • SAPI 或 IPA \(英文\) 格式的音素

每個地區設定支援的功能

下表摘要說明地區設定支援的功能。 如需詳細資訊，請參閱下列各節。

電話 me 字母 Ipa SAPI
電話 me 名稱 en-US en-US, zh-CN
音節組 en-US en-US
口語音素 en-US en-US

音節群組

發音評定可以提供音節層級的評量結果。 一個字通常由音節發音為音節，而不是由電話素來發音。 音節的分組更清晰，與說話習慣一致。

發音評估僅支援IPA和SAPI的 en-US 音節群組。

下表比較範例音素與對應的音節。

範例字組 音素 音節
technological teknələdʒɪkl tek·nə·lɑ·dʒɪkl
hello hɛloʊ hɛ·loʊ
luck lʌk lʌk
photosynthesis foʊtəsɪnθəsɪs foʊ·tə·sɪn·θə·sɪs

若要要求音節層級的結果以及音素，請將資料細微性設定參數設為 Phoneme。

音素字母格式

發音評估支援使用IPA和和SAPI的 en-USen-USzh-CN phoneme 名稱。

若為支援 phoneme 名稱的地區設定，則會與分數一起提供 phoneme 名稱。 電話me名稱有助於識別哪些音素的發音準確或不正確。 針對其他地區設定，您只能取得音素分數。

下表比較範例 SAPI 音素與對應的 IPA 音素。

範例字組 SAPI 音素 IPA 音素
hello h eh l ow h ɛ l oʊ
luck l ah k l ʌ k
photosynthesis f ow t ax s ih n th ax s ih s f oʊ t ə s ɪ n θ ə s ɪ s

若要要求 IPA 音素，請將音素字母設定為 IPA。 如果您未指定字母，則音素預設為 SAPI 格式。

pronunciationAssessmentConfig.PhonemeAlphabet = "IPA";

auto pronunciationAssessmentConfig = PronunciationAssessmentConfig::CreateFromJson("{\"referenceText\":\"good morning\",\"gradingSystem\":\"HundredMark\",\"granularity\":\"Phoneme\",\"phonemeAlphabet\":\"IPA\"}");

PronunciationAssessmentConfig pronunciationAssessmentConfig = PronunciationAssessmentConfig.fromJson("{\"referenceText\":\"good morning\",\"gradingSystem\":\"HundredMark\",\"granularity\":\"Phoneme\",\"phonemeAlphabet\":\"IPA\"}");

pronunciation_assessment_config = speechsdk.PronunciationAssessmentConfig(json_string="{\"referenceText\":\"good morning\",\"gradingSystem\":\"HundredMark\",\"granularity\":\"Phoneme\",\"phonemeAlphabet\":\"IPA\"}")

var pronunciationAssessmentConfig = SpeechSDK.PronunciationAssessmentConfig.fromJSON("{\"referenceText\":\"good morning\",\"gradingSystem\":\"HundredMark\",\"granularity\":\"Phoneme\",\"phonemeAlphabet\":\"IPA\"}");

pronunciationAssessmentConfig.phonemeAlphabet = @"IPA";

pronunciationAssessmentConfig?.phonemeAlphabet = "IPA"

評估口語語音

使用語音電話，您可以取得信賴分數，指出語音語音與預期的音素相符的可能性。

發音評估支援使用IPA和SAPI的 en-US 口語語音。

例如，若要取得單字 Hello的完整口語音效，您可以串連每個預期音素的第一個語音語音，且信賴分數最高。 在下列評量結果中，當您說出這個字 hello時，預期的 IPA 電話是 h ɛ l oʊ。 不過，實際的口語是 h ə l oʊ。 在此範例中，您有五個可能候選項目適用於每個預期的音素。 此評定結果顯示，最可能的口語音素是 ə 而非預期的音素 ɛ。 預期的音素 ɛ 只收到 47 分的信賴分數。 其他可能相符的音素則收到 52 分、17 分和 2 分的信賴分數。

{
    "Id": "bbb42ea51bdb46d19a1d685e635fe173",
    "RecognitionStatus": 0,
    "Offset": 7500000,
    "Duration": 13800000,
    "DisplayText": "Hello.",
    "NBest": [
        {
            "Confidence": 0.975003,
            "Lexical": "hello",
            "ITN": "hello",
            "MaskedITN": "hello",
            "Display": "Hello.",
            "PronunciationAssessment": {
                "AccuracyScore": 100,
                "FluencyScore": 100,
                "CompletenessScore": 100,
                "PronScore": 100
            },
            "Words": [
                {
                    "Word": "hello",
                    "Offset": 7500000,
                    "Duration": 13800000,
                    "PronunciationAssessment": {
                        "AccuracyScore": 99.0,
                        "ErrorType": "None"
                    },
                    "Syllables": [
                        {
                            "Syllable": "hɛ",
                            "PronunciationAssessment": {
                                "AccuracyScore": 91.0
                            },
                            "Offset": 7500000,
                            "Duration": 4100000
                        },
                        {
                            "Syllable": "loʊ",
                            "PronunciationAssessment": {
                                "AccuracyScore": 100.0
                            },
                            "Offset": 11700000,
                            "Duration": 9600000
                        }
                    ],
                    "Phonemes": [
                        {
                            "Phoneme": "h",
                            "PronunciationAssessment": {
                                "AccuracyScore": 98.0,
                                "NBestPhonemes": [
                                    {
                                        "Phoneme": "h",
                                        "Score": 100.0
                                    },
                                    {
                                        "Phoneme": "oʊ",
                                        "Score": 52.0
                                    },
                                    {
                                        "Phoneme": "ə",
                                        "Score": 35.0
                                    },
                                    {
                                        "Phoneme": "k",
                                        "Score": 23.0
                                    },
                                    {
                                        "Phoneme": "æ",
                                        "Score": 20.0
                                    }
                                ]
                            },
                            "Offset": 7500000,
                            "Duration": 3500000
                        },
                        {
                            "Phoneme": "ɛ",
                            "PronunciationAssessment": {
                                "AccuracyScore": 47.0,
                                "NBestPhonemes": [
                                    {
                                        "Phoneme": "ə",
                                        "Score": 100.0
                                    },
                                    {
                                        "Phoneme": "l",
                                        "Score": 52.0
                                    },
                                    {
                                        "Phoneme": "ɛ",
                                        "Score": 47.0
                                    },
                                    {
                                        "Phoneme": "h",
                                        "Score": 17.0
                                    },
                                    {
                                        "Phoneme": "æ",
                                        "Score": 2.0
                                    }
                                ]
                            },
                            "Offset": 11100000,
                            "Duration": 500000
                        },
                        {
                            "Phoneme": "l",
                            "PronunciationAssessment": {
                                "AccuracyScore": 100.0,
                                "NBestPhonemes": [
                                    {
                                        "Phoneme": "l",
                                        "Score": 100.0
                                    },
                                    {
                                        "Phoneme": "oʊ",
                                        "Score": 46.0
                                    },
                                    {
                                        "Phoneme": "ə",
                                        "Score": 5.0
                                    },
                                    {
                                        "Phoneme": "ɛ",
                                        "Score": 3.0
                                    },
                                    {
                                        "Phoneme": "u",
                                        "Score": 1.0
                                    }
                                ]
                            },
                            "Offset": 11700000,
                            "Duration": 1100000
                        },
                        {
                            "Phoneme": "oʊ",
                            "PronunciationAssessment": {
                                "AccuracyScore": 100.0,
                                "NBestPhonemes": [
                                    {
                                        "Phoneme": "oʊ",
                                        "Score": 100.0
                                    },
                                    {
                                        "Phoneme": "d",
                                        "Score": 29.0
                                    },
                                    {
                                        "Phoneme": "t",
                                        "Score": 24.0
                                    },
                                    {
                                        "Phoneme": "n",
                                        "Score": 22.0
                                    },
                                    {
                                        "Phoneme": "l",
                                        "Score": 18.0
                                    }
                                ]
                            },
                            "Offset": 12900000,
                            "Duration": 8400000
                        }
                    ]
                }
            ]
        }
    ]
}

若要指出是否要取得信賴分數，以及要取得信賴分數的可能口語音素數目，請將 NBestPhonemeCount 參數設為整數值，例如 5。

pronunciationAssessmentConfig.NBestPhonemeCount = 5;

auto pronunciationAssessmentConfig = PronunciationAssessmentConfig::CreateFromJson("{\"referenceText\":\"good morning\",\"gradingSystem\":\"HundredMark\",\"granularity\":\"Phoneme\",\"phonemeAlphabet\":\"IPA\",\"nBestPhonemeCount\":5}");

PronunciationAssessmentConfig pronunciationAssessmentConfig = PronunciationAssessmentConfig.fromJson("{\"referenceText\":\"good morning\",\"gradingSystem\":\"HundredMark\",\"granularity\":\"Phoneme\",\"phonemeAlphabet\":\"IPA\",\"nBestPhonemeCount\":5}");

pronunciation_assessment_config = speechsdk.PronunciationAssessmentConfig(json_string="{\"referenceText\":\"good morning\",\"gradingSystem\":\"HundredMark\",\"granularity\":\"Phoneme\",\"phonemeAlphabet\":\"IPA\",\"nBestPhonemeCount\":5}")

var pronunciationAssessmentConfig = SpeechSDK.PronunciationAssessmentConfig.fromJSON("{\"referenceText\":\"good morning\",\"gradingSystem\":\"HundredMark\",\"granularity\":\"Phoneme\",\"phonemeAlphabet\":\"IPA\",\"nBestPhonemeCount\":5}");

pronunciationAssessmentConfig.nbestPhonemeCount = 5;

pronunciationAssessmentConfig?.nbestPhonemeCount = 5

相關內容