Como medir a pronúncia de um aluno sem ouvir cada gravação?

Alinhamento forçado contra uma frase, não contra um “feeling”

O motor não dá nota de “sotaque” e não trata transcrição livre como prova. Você envia o áudio e a frase exata que o aluno deveria dizer. O alinhamento forçado trava cada fone nessa referência. Se a pessoa disse outra sentença, isso aparece como desencontro — decodedTranscript versus a frase — e não como um overallScore inflado em silêncio.

Essa é a diferença entre um medidor de pronúncia e uma caixa de transcrição com joinha. O medidor só existe porque o texto de referência é conhecido.

Quatro scores, quatro trabalhos

Toda avaliação devolve as mesmas quatro camadas 0–100: overallScore (compósito ponderado pela confiança), sentenceScore (fluência, ritmo, fala conectada), score por palavra e score por fonema em IPA e ARPAbet. Palavra abaixo de 50 quase sempre esconde um ou mais fonemas em 0–39 ou 40–59.

Você também recebe confiança (0 to 1) e, quando a tomada está suja, avisos. Um overallScore alto com confiança abaixo de 0.5 não é score alto. Descarte a tomada e grave de novo.

• A mesma frase para a turma inteira — senão você não está medindo a mesma coisa.
• Ordene pelas palavras abaixo de 50, não por quem “soou melhor”.
• Ignore qualquer linha com confiança abaixo de 0.5. É o motor dizendo que o áudio e a frase não batem.

O que isso faz numa turma de vinte

Vinte arquivos da mesma sentença. Você não toca vinte arquivos. Você lê vinte fitas de palavra. Quem derrubou o DH ou o IH leva o recado hoje; o resto não precisa da orelha do professor naquele dever. Phone PCC 0.682 contra 0.555 é a razão de você poder fazer isso sem fingir que dois ouvintes humanos teriam concordado de qualquer jeito.