Microsoft Foundry 入口網站中的發音評估

重要事項

本文中標示為 (預覽) 的項目目前處於公開預覽狀態。 此預覽版本沒有服務等級協定，不建議將其用於生產工作負載。 可能不支援特定功能，或可能已經限制功能。 如需詳細資訊，請參閱 Microsoft Azure 預覽版增補使用條款。

發音評估使用語音轉文字功能為語言學習者提供主觀和客觀的回饋。 為了提升語言技能，練習發音和取得及時反饋是不可或缺的。 由經驗豐富的教師進行的評估可能需要很多時間，並且對學習者來說可能很昂貴。 發音評估可以幫助使該過程對所有背景的學習者更具吸引力和易於理解。

本文說明如何在不撰寫任何程式碼的情況下，透過 Microsoft Foundry 入口網站使用發音評估工具。 如需如何在語音應用程式中整合發音評定的相關資訊，請參閱如何使用發音評定。

附註

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。

閱讀、口說與遊戲情境

對於發音評估，有三種案例：閱讀、說話和遊戲。

  • 朗讀：此案例是為具講稿的評定而設計。 需要學習者朗讀指定文字， 且會事先提供參考文字。
  • 演講：此案例是為無講稿的評定而設計， 需要學習者就指定主題進行演講， 不會事先提供參考文字。
  • 遊戲：此案例是為具講稿的評定而設計。 它要求學習者閱讀繞口令，來獲得發音和每個音節的分數。 且會事先提供參考文字。

進行閱讀評估

請依照下列步驟評估參考文字的發音：

  1. 請前往 Microsoft Foundry 入口網站的發音評估。

    如何在 Microsoft Foundry 中移至 [發音評定] 的螢幕擷取畫面。

  2. 在 [朗讀] 索引標籤上，選擇您要評估發音的支援語言。

    此螢幕擷取畫面顯示在 [朗讀] 索引標籤上，選擇您要評估發音的支援語言。

  3. 您可以使用佈建的文字範例，或輸入自己的講稿。

    讀出文字時，您應靠近麥克風，以確保錄製的聲音不會太低。

    此螢幕擷取畫面顯示在 [朗讀] 索引標籤上，使用麥克風錄製音訊的位置。

    否則，您可以上傳已錄製的音訊來進行發音評定。 成功上傳後，系統就會自動評估音訊，如下列螢幕擷取畫面所示。

    上傳已錄製的音訊以進行評估的螢幕擷取畫面。

進行說話評估

如果您想進行無講稿的評定，請選取 [演講] 索引標籤。此功能可讓您進行無講稿的評定，而無需事先提供參考文字。 以下是如何繼續：

  1. 請前往 Microsoft Foundry 入口網站的發音評估。

  2. 在 [演講] 索引標籤上，選擇您要評估發音的支援語言。

    此螢幕擷取畫面顯示在 [演講] 索引標籤上，選擇您要評估發音的支援語言。

  3. 接下來，您可以從提供的範例主題中選取，或輸入自己的主題。 此選項可評估您在沒有預先指定講稿的情況下，就指定主題演講的能力。

    螢幕擷取畫面顯示在 [演講] 索引標籤上輸入主題，以評估您在沒有預先指定講稿的情況下，就指定主題演講的能力。

    在錄製語音進行發音評定時，請務必確保錄製時間落在 15 秒 (相當於 50 個字以上) 到 10 分鐘的建議範圍內。 此為精準評估演講內容的最佳時間範圍。 若要獲得主題分數，您的語音音訊應至少包含三個句子。

    您也可以上傳已錄製的音訊來進行發音評定。 成功上傳後，系統就會自動評估音訊。

進行遊戲評估

如果您想要練習透過遊戲學習語言，請遵循下列步驟：

  1. 請前往 Microsoft Foundry 入口網站的發音評估。

  2. 在 [遊戲] 索引標籤上，選擇您想要評估發音的受支援語言，並產生您想要練習的新繞口令。

    在遊戲標籤中選擇支援語言的螢幕快照，並生成您想要評估發音的新繞口令。

  3. 最後，您可以開始錄製並練習繞口令來獲得分數。

    顯示視窗上遊戲結果的螢幕快照，其中包含發音、單字和音節分數。

發音評定結果

錄製您的語音或上傳錄製的音訊後，就會輸出評定結果。 結果包含您的語音音訊，以及語音評定的意見反應。 您可以聆聽您的語音音訊，並視需要加以下載。

您也可以在 JSON 中查看發音評定結果。 JSON 檔案中包含文字層級、音節層級和音素層級的正確性分數。

在顯示視窗上顯示評定結果的螢幕擷取畫面，其中包含語音的文字記錄和意見反應。

單字會根據錯誤類型顯目提示。 發音評定中的錯誤類型會使用不同的色彩來表示。 此視覺區別可讓您更輕鬆地識別和分析特定錯誤。 這提供語音音訊中錯誤類型和頻率的清楚概觀，協助您專注於需要改善的區域。 您可以將各種錯誤類型切換為開啟或關閉，以專注於特定類型的錯誤，或從顯示中排除特定類型。 此功能可讓您靈活地檢查和分析語音音訊中的錯誤。 將滑鼠停留在個別單字上方時，您可以看到整個單字或特定音素的正確性分數。

在評定結果底部會顯示評分結果。 針對具講稿的發音評定，僅提供發音分數 (包括正確性分數、流暢性分數、完整性分數和韻律分數)。 針對無講稿的發音評定，則會顯示發音分數 (包括正確性分數、流暢性分數和韻律分數) 及內容分數 (包括詞彙分數、文法分數和主題分數)。

發音評定的精細程度

發音評定提供多種不同精細程度的評定結果，從個別音素到整體文字輸入，面面俱到。

  • 在全文層級，發音評估提供額外的流利度、完整性和韻律分數：流利度表示語音與母語者在單字間無聲停頓的使用方式有多密切一致；完整性表示語音中正確發音到參考文字輸入的單字數量；韻律指出說話者在演講中傳達自然性、表達力和整體韻律的表現程度。 接著會提供由正確性、流暢性、完整性和韻律彙總而成的整體分數，以指出給定語音的整體發音品質。 發音評定也提供全文檢索層級的內容分數 (詞彙、文法和主題)。
  • 在文字層級，發音評定可以自動偵測錯誤並同時提供正確性分數，以就給定語音中的遺漏、重複、插入和發音錯誤提供更詳細的資訊。
  • 音節層級的精確度分數目前可透過 JSON 檔案或語音 SDK 來使用。
  • 在音素層級，發音評定會提供每個音素的正確性分數，協助學習者進一步了解其語音的發音詳細資料。

除了準確性、流暢度與完整性的基線分數外，Microsoft Foundry 的發音評估功能還包含更全面的分數，提供語音表現與理解各方面的詳細回饋。 增強分數如下：韻律分數、詞彙分數、文法分數和主題分數。 這些分數會就語音韻律、詞彙使用方式、文法正確性和主題理解提供寶貴的見解。

Microsoft Foundry 中整體發音分數與內容分數的截圖。

在評定結果底部，會顯示兩種整體分數：發音分數和內容分數。 在 [朗讀] 索引標籤中，您會找到顯示的 [發音分數]。 在 [演講] 索引標籤中，會顯示 [發音分數] 和 [內容分數]。

發音分數：此分數代表發音品質的彙總評估，包含四個子層面。 這些分數在具講稿和無講稿評定的 [朗讀] 和 [演講] 索引標籤中皆能找到。

  • 正確性分數：評估發音的正確性。
  • 流暢性分數：衡量語音流暢性和自然性的等級。
  • 完整性分數：反映正確發音的字數。
  • 韻律分數：評估是否使用適當的語調、節奏和重音。 其中也引進與韻律評定相關的數個錯誤類型，例如非預期停頓、缺乏停頓和單一音調。 與先前的引擎相比，這些錯誤類型提供更多有關發音錯誤的詳細資訊。

內容分數：此分數提供語音內容的彙總評定，包含三個子層面。 此分數僅在無講稿評定的 [演講] 索引標籤中提供。

  • 詞彙分數：評估說話者對單字的有效使用及其在指定內容中準確表達想法的適當性，以及語彙的複雜程度。
  • 文法分數：評估文法使用方式的正確性和和句型的多樣性。 這項分數將語彙正確性、文法正確性和句型結構多樣性納入考量，提供更全面的語言能力評估。
  • 主題分數：評估對演講中所討論主題的理解和吻合程度。 這項分數會評估說話者有效表達與指定主題相關的思想和想法的能力。

這些整體分數提供對發音和內容的全面評估，為學習者提供語音表現和理解各層面的寶貴意見反應。 透過這些增強功能，語言學習者可以更深入了解其在發音和內容表達方面的優點和需要改進的領域。

附註

內容和韻律評定僅適用於 en-US 地區設定。

串流模式中的評定分數

發音評估支援不中斷的串流模式。 Microsoft Foundry 示範允許在串流模式下錄製長達 60 分鐘以供評估。 只要您未按停止錄製按鈕，評估程式就不會完成，而且您可以方便地暫停和繼續評估。

發音評定會評估發音的幾個層面。 在 [評定結果] 底部，您可以看到 [發音分數] 作為彙總的整體分數，其中包含 4 個子層面：[正確性分數]、[流暢性分數]、[完整性分數] 和 [韻律分數]。 在串流模式下，由於 準確度分數、 流暢度分數與 韻律 分數會在錄音過程中隨時間變化，我們在 Microsoft Foundry 中示範一種方法，在評估結束前逐步顯示大致整體分數，評估僅權重於準確度分數、流暢度分數與韻律分數。 只有在按下停止按鈕之後，評估結束時才會計算 [完整性分數]，因此最終的發音整體分數會以 [正確性分數]、[流暢性分數]、[完整性分數] 和 [韻律分數] 加權彙總。

請參閱下面的示範範例，以取得在串流模式中評估發音的整個程序。

開始錄製

開始錄製時，底部的分數會從 0 開始改變。

開始錄製時整體評定分數的螢幕擷取畫面。

錄製期間

在錄製長段落期間，您可以隨時暫停錄製。 只要您未按下停止按鈕，就可以繼續評估錄製。

錄製時整體評定分數的螢幕擷取畫面。

完成錄製

在按下停止按鈕之後，您可以在底部看到 [發音分數]、[正確性分數]、[流暢性分數]、[完整性分數] 和 [韻律分數]。

錄製後整體評定分數的螢幕擷取畫面。

定價

作為基準，發音評定的使用成本與標準或承諾用量層定價的語音轉換文字成本相同。 如果您針對語音轉換文字購買承諾用量層，發音評定的費用會計入該承諾用量。

發音評估功能還提供基準語音轉文字價格中未包含的其他分數，例如韻律分數。 這些分數不包含在基準語音轉換文字價格中，而是作為附加元件費用提供。 如需定價詳細資訊，請參閱語音轉換文字定價。

下表顯示可用的發音評定分數，無論是在具講稿或無講稿評定中提供，以及是否包含在基準語音轉換文字價格或附加元件價格中。

分數 具講稿或無講稿 包含在基準語音轉換文字價格中？
精確度 具講稿和無講稿 是的
流暢度 具講稿和無講稿 是的
完整性 具講稿 是的
誤讀 具講稿和無講稿 是的
韻律 具講稿和無講稿 否

負責任的 AI

AI 系統不僅包含技術，也包含使用該技術的人員、受其影響的人員及部署的環境。 閱讀透明度資訊，了解在系統中負責任 AI 的使用和部署資訊。

後續步驟

  • Last updated on