Para quem ensina idiomas
Score alto com confiança abaixo de 0.5 não é score alto.
Phone PCC 0.682 contra consenso humano 0.555 é concordância em tomadas limpas e casadas com a frase. O mesmo motor publica as condições em que esse número não vale. Se você ignora essas condições, está dando nota para ruído e chamando de trabalho de fonema.
Confiança é portão, não enfeite
Confiança vai de 0 a 1. Entra acordo de transcrição, qualidade do posterior, se a distribuição de scores parece tomada de verdade, e o bloco de qualidade de áudio. O guia é explícito: abaixo de 0.5, o áudio pode não bater com o texto de referência. Isso é rejeição, não “talvez”.
overallScore já é ponderado pela confiança. Tomada desenquadrada também é penalizada ali. Leia a confiança primeiro mesmo assim. Quem ordena por overallScore e pula confiança promove ruído sortudo.
A gravação tem de ser uma gravação
O motor declara o piso: SNR 15 dB obrigatório, 20 dB recomendado. Abaixo de 15 dB a tomada é rejeitada. Entre 15 dB e 20 dB vem o aviso `low_snr` — dar nota por sua conta, o que quer dizer: não dê. Duração 0.5 s a 60 s. Taxa 16 kHz (outras são resampled). Mono. Microfone a 15–30 cm da boca. Sala quieta. Sem clipping.
`high_wer` quer dizer que o transcrito decodificado diverge da frase que você mandou. Não é aluno “com sotaque”. É aluno que não disse a sentença, ou tomada suja demais para alinhar. Nos dois casos, não é lição de fonema.
- `low_snr` — ruído, não vogal. Regrave.
- `high_wer` — o texto ouvido não é o texto pedido. Passe de novo ou regrave.
- `low_confidence_reject` — o motor já recusou. Não sobreponha com o ouvido para ser gentil.
PCC não abençoa tomada suja
Phone PCC 0.682 é medido contra consenso humano treinado em 0.555 num conjunto público de falas casadas. Não é promessa de que uma gravação de cozinha da sentença errada é fonema 80–100. O número da prova e as regras de rejeição são o mesmo produto. Use os dois.