語学を教える人へ
信頼度 0.5 未満の高得点は、高得点ではない。
Phone PCC 0.682 対 人間合意 0.555 は、きれいでフレーズと一致したテイクの上の一致です。同じエンジンが、その数字が効かない条件も出しています。それを無視すると、雑音を採点して音素の仕事と呼ぶことになります。
信頼度は飾りではなく門
信頼度は 0 から 1。書き起こしの一致、posterior の質、スコア分布が本物のテイクに見えるか、音声品質ブロックから組まれます。ガイドは明確です。0.5 未満なら、音声が参照文と一致していない可能性がある。それは「たぶん」ではなく却下です。
overallScore 自体が信頼度で重み付けされています。ずれたテイクはそこでも減点されます。それでも信頼度を先に読む。overallScore で並べて信頼度を飛ばす教師は、運のいい雑音を昇進させます。
録音は、録音でなければならない
エンジンは床を宣言しています。SNR 15 dB 必須、20 dB 推奨。15 dB 未満は却下。15 dB と 20 dB の間は `low_snr` — 自己責任で採点する、つまり採点しない。長さ 0.5 s から 60 s。サンプリング 16 kHz（他はリサンプル）。モノラル。口から 15–30 cm。静かな部屋。クリッピングなし。
`high_wer` は、デコードされた書き起こしが送ったフレーズからずれている、という意味です。それは「アクセントのある生徒」ではありません。文を言っていない生徒か、アラインできないほど汚いテイクです。どちらも音素の授業ではありません。
- `low_snr` — 母音ではなく雑音。録り直し。
- `high_wer` — 聞こえた文は出題文ではない。出し直すか録り直す。
- `low_confidence_reject` — エンジンはすでに拒否している。優しくするために耳で上書きしない。
PCC は汚いテイクを祝福しない
Phone PCC 0.682 は、一致した発話の公開テストセット上で、訓練された人間合意 0.555 に対して測っています。台所で録った別の文が 80–100 の音素だという約束ではありません。証明の数字と却下の規則は同じ製品です。両方使う。