Für Sprachlehrkräfte
Wie misst man die Aussprache, ohne jede Aufnahme anzuhören?
Wer zuhört, ist Bewerter. Zwei geschulte Bewerter, dieselben Phones, kommen untereinander auf Phone PCC 0.555. Die Engine hinter dem Gratis-Checker liegt bei Phone PCC 0.682 gegen denselben menschlichen Konsens. Diese Lücke ist der Grund, warum eine Zahl „klang gut“ ersetzen kann.
Forced Alignment gegen eine Phrase, nicht gegen ein Gefühl
Die Engine benotet nicht „Akzent“ und behandelt freie Transkription nicht als Note. Sie senden Audio plus den exakten Satz, den die Schülerin sagen sollte. Forced Alignment koppelt jedes Phone an diese Referenz. Wurde ein anderer Satz gesagt, erscheint das als Abweichung — decodedTranscript gegen die Phrase — nicht als still aufgeblähter overallScore.
Das ist der Unterschied zwischen einem Aussprachemesser und einer Transkriptionsbox mit Daumen hoch. Der Messer existiert nur, weil der Referenztext bekannt ist.
Vier Scores, vier Aufgaben
Jede Bewertung liefert dieselben vier 0–100-Schichten: overallScore (konfidenzgewichtetes Komposit), sentenceScore (Flüssigkeit, Tempo, connected speech), Wort-Scores und Phonem-Scores in IPA und ARPAbet. Ein Wort unter 50 versteckt fast immer ein oder mehrere Phoneme in 0–39 oder 40–59.
Sie erhalten außerdem Konfidenz (0 to 1) und, wenn die Aufnahme schmutzig ist, Warnungen. Ein hoher overallScore mit Konfidenz unter 0.5 ist kein hoher Score. Aufnahme verwerfen, neu aufnehmen.
Was das in einer Klasse von zwanzig bedeutet
Zwanzig Dateien desselben Satzes. Sie spielen nicht zwanzig Dateien ab. Sie lesen zwanzig Wortbänder. Wer DH oder IH hat einbrechen lassen, bekommt heute die Notiz; der Rest braucht an dieser Hausaufgabe kein Lehrerohr. Phone PCC 0.682 gegen 0.555 ist der Grund, warum Sie das tun können, ohne so zu tun, als hätten sich zwei menschliche Hörer sowieso geeinigt.