语音评测试题格式及结果说明

评测试题需要符合一定的格式,汉语试题和英语试题有所不同,同语种的不同题型也有差异。

中文评测试题格式

1. 单个汉字的评测

评测题型参数名称

read_syllable

试卷格式

支持两种试卷格式:

  • 拼音标注试卷 。 以 <customizer:interphonic>开头,字单独一行,紧接着的一行为字的拼音。
    (1)用拼音后加数字代表声调, 1-4 分别代表一到四声, 5 表示轻声。
    (2)ü除了lü和nü用lv和nv表示(如:女:nv3)其他用u表示,如局(ju2)。
    (3)üe用ue表示,如:略(lue4)。
  • 纯文本试卷。每个字间用逗号隔开;

不建议超过400字节,且单行汉字个数不要超过100个。

试卷示例

  • 拼音标注示例:
<customizer: interphonic>
丰   
feng1   
呈   
cheng2   
政    
zheng4    
  • 纯文本示例:
丰,呈,政

2. 中文词组评测

评测题型参数名称

read_word

试卷格式

支持两种试卷格式:

  • 拼音标注试卷。与字的拼音标注试卷一样,只不过将字换成词语;
  • 纯文本试卷。每个词间用逗号隔开;

不建议超过400字节,且单行汉字个数不要超过100个。

试卷示例

  • 拼音标注示例:
<customizer: interphonic>
宁可     
ning4|ke3    
非难    
fei1|nan4    
灾难    
zai1|nan4    
  • 纯文本示例:
宁可,非难,灾难    

3. 中文句子评测

评测题型参数名称

read_sentence

试卷格式

支持两种试卷格式:

  • 拼音标注试卷。与词组的拼音标注试卷一样,只不过将词组换成句子;
  • 纯文本试卷。

不建议超过2000字节,且单行汉字个数不要超过100个。

试卷示例

  • 拼音标注示例:
<customizer: interphonic>
这是中文语句评测示例。    
zhe4|shi4|zhong1|wen2|yu3|ju4|ping2|ce4|shi4|li4
  • 纯文本示例:
这是中文语句评测示例。 

注意事项

  • 拼音标注格式下,拼音个数要与汉字个数一致,并且一行汉字不能超过100字。
  • 建议每份试卷字数不超过200字,字数太多,朗读语音过长,响应时间较长。

4. 中文篇章评测

评测题型参数名称

read_chapter

试卷格式

支持两种试卷格式:

  • 拼音标注试卷。与句子的拼音标注试卷一样,只不过篇章是由多个句子组成;
  • 纯文本试卷。

文本不建议超过2000字节,且单行汉字个数不要超过100个。

试卷示例

  • 拼音标注示例:
<customizer: interphonic>
大家好。这是中文篇章评测示例。    
da4|jia1|hao3|zhe4|shi4|zhong1|wen2|pian1|zhang1|ping2|ce4|shi4|li4   
  • 纯文本示例:
大家好。这是中文篇章评测示例。    

注意事项

  • 请按照语文写作文的格式,需要有准确的标点符号分句,如:分句,逗号,问号,句号,感叹号等。
  • 每句话(由分隔号分割)不超过100字。
  • 拼音标注格式下,拼音个数要与汉字个数一致,并且一行汉字不能超过100字。
  • 建议每份试卷字数不超过200字,字数太多,朗读语音过长,响应时间较长。

英文评测试题格式

1. 英文单词评测

评测题型参数名称

read_word

试卷格式

  • 一个单词占一行,首行必须用[word]标记,单个单词长度应不大于32字节。
  • 数字读法标注试卷:
    (1)在数字下一行必须用[number_replace]标记。
    (2)在[number_replace]的下一行,以“数字/读法/”这种格式标注,注意符号/个数必须为2,且//中内容不可以加符号。

不建议超过700字节。

试卷示例

  • 普通文本
[word]
apple
banana
orange
  • 数字读法标注:
[word]
13
[number_replace]
13/thirteen/

注意事项

  • 单个单词可支持标点符号,仅支持英文半角字符.-'(即点号、连字符、上单引号),如p.m和year-old可支持,hello,world不支持。
  • 单个单词不支持标点符号两端都是空格(即标点符号单独作为一个单词会报错)。
  • 每个单词字节数不可超过31。
  • 单词数量不超过100个。

2. 英文句子评测

评测题型参数名称

read_sentence

试卷格式

普通英文文本,首行必须用[content]标记,单个单词长度应不大于32字节。

  • 数字读法标注试卷:
    (1)在数字下一行必须用[number_replace]标记。
    (2)在[number_replace]的下一行,以“数字/读法/”这种格式标注,注意符号/个数必须为2,且//中内容不可以加符号。

不建议超过2000字节。

试卷示例

  • 普通文本:
[content]
This is an example of sentence test.
  • 带可支持英文半角字符:
[content]
I don't know.
  • 数字读法标注:
[content]
I’m 13 years old.
[number_replace]
13/thirteen/

注意事项

  • 不支持字符占整个content节点内容字节数的大小不能超过10%。支持字符见下方附录“引擎可支持英文半角字符”。
  • 每个单词字节数不可超过31。
  • 每句单词数不能超过100个,每句字节数不能超过1024个字节(分句符号也算作一个字节)
  • 所有单词数不超过1000个。

3. 英文篇章评测

评测题型参数名称

read_chapter

试卷格式

  • 普通英文文本,首行必须用[content]标记,采用英文半角字符.!?;四个进行分句。
  • 文本总单词个数不超过1000个。
  • 数字读法标注试卷格式请参照句子题型。

试卷示例

[content]
Hello,everybody.This is an example of sentence test.

注意事项

  • 不支持字符占整个content节点内容字节数的大小不能超过10%。支持字符见下方附录“引擎可支持英文半角字符”。
  • 每个单词字节数不可超过31。
  • 每句单词数不能超过100个,每句字节数不能超过1024个字节(分句符号也算作一个字节)。

附录:引擎可支持英文半角字符

序号 英文半角字符 含义 序号 英文半角字符 含义
1 英文字母 26个英文字母 9 空格 空格
2 数字 0-9数字 10 : 冒号
3 " 双引号 11 ; 分号
4 ' 单引号 12 - 减号(连字符)
5 , 逗号 13 ¦ 竖线(停顿标记)
6 . 句号 14 \x0D \r
7 ! 感叹号 15 \x0A \n换行
8 ? 问号 16 \t TAB

评测结果格式

  • SDK 返回 XML 格式的评测结果,可以分成两种: 一种是十分精简的结果; 另一种是详细结果。
  • WebAPI 返回 JSON 格式的评测结果。

SDK精简结果

在英语评测中,将 result_level 设置成 plain 将返回精简结果(注:汉语评测返回的都是详细结果),格式如下:

<?xml version="1.0" ?>
<FinalResult>
	<ret value="0"/>
	<total_score value="4.496416"/>
</FinalResult>

结果中包含一个返回值 ret(0 表示评测正常) 和总分 total_score。

SDK详细结果(WebAPI结果完整版)

SDK:当 result_level 设置为 complete 或不设置时,返回详细的 XML 评测结果,结果中包含的主要标签如下
WebAPI:当result_level 设置为 entirety 或不设置时,返回详细的 JSON 评测结果,结果中包含的主要标签如下

标签 说明
rec_paper 该标签中间的内容即为评测结果,是开发者需要关心的部分。
rec_paper.read_syllable 表明这是单字朗读评测(中文评测专有)结果。
rec_paper.read_word 表明这是单词朗读评测结果。
rec_paper.read_sentence 表明这是句子朗读评测结果。
rec_paper.read_chapter 表明这是段落朗读评测结果。
rec_paper.read_[xxx].sentence 句子。
rec_paper.read_[xxx].sentence.word 单词,句子的组成部分。
rec_paper.read_[xxx].sentence.word.syll 音节,单词发音的组成部分。对于中文,一个音节对应一个字的发音。
rec_paper.read_[xxx].sentence.word.syll.phone 音素,基本发音元素,音节的组成部分。
rec_tree 该标签中的内容请忽略,预留字段,不需要关心

read_syllable、 read_word 、 read_sentence 、 read_chapter 标签中的属性记录了本次评测的各项得分、 整体时长等信息。 sentence、 word、 syllable 和 phone 标签记录的是云端引擎对评测语音的分析结果,如哪些是静音,静音时长多少,哪些是有效发音,每个字、词的音节发音是否正确等等。

中文评测

以下为中文评测结果的属性说明

中文字(read_syllable)

以下是各个层级的字段说明。

read_syllable

属性 含义
total_score 总分
phone_score 声韵分(需使用 全维度 权限)
fluency_score 流畅度分(保留字段,值为0)
tone_score 调型分(需使用 全维度 权限)
integrity_score 完整度分(保留字段,值为0)
except_info 异常信息,详细请见 except_info列表
beg_pos/end_pos 始/末位置,单位:帧(10ms)
content 试卷内容
time_len 朗读时长,单位:帧(10ms)

sentence

属性 含义
time_len 朗读时长,单位:帧(10ms)
beg_pos/end_pos 始/末位置,单位:帧(10ms)
content 试卷内容

word

属性 含义
beg_pos/end_pos 始/末位置,单位:帧(10ms)
symbol 拼音:数字代表声调, 5 和 5 以上表示轻声
content 试卷内容
time_len 时长,单位:帧(10ms)

syll

属性 含义
beg_pos/end_pos 始/末位置,单位:帧(10ms)
dp_message 增漏读信息,详细请见 dp_message列表
symbol 拼音:数字代表声调, 5 和 5 以上表示轻声
content 试卷内容(sil、 silv 表示静音, fil 表示噪音)
rec_node_type paper(试卷内容),sil(非试卷内容)
time_len 时长,单位:帧(10ms)

phone

属性 含义
beg_pos/end_pos 始/末位置,单位:帧(10ms)
dp_message 增漏读信息,详细请见 dp_message列表
content 试卷内容(sil、 silv 表示静音, fil 表示噪音)
rec_node_type paper(试卷内容),sil(非试卷内容)
is_yun 是否是韵母,1表示“是”,0表示“否”
mono_tone 文本调型信息:TONE1(一声)TONE2(二声)
TONE3(三声)TONE4(四声)
time_len 时长,单位:帧(10ms)
perr_level_msg 预留字段,请忽略
中文词(read_word)

以下是各个层级的字段说明。

read_word

属性 含义
total_score 总分
phone_score 声韵分(需使用 全维度 功能)
fluency_score 流畅度分(保留字段,值为0)
tone_score 调型分(需使用 全维度 功能)
integrity_score 完整度分(保留字段,值为0)
except_info 异常信息,详细请见 except_info列表
beg_pos/end_pos 始/末位置,单位:帧(10ms)
content 试卷内容
time_len 朗读时长,单位:帧(10ms)

sentence

属性 含义
time_len 朗读时长,单位:帧(10ms)
beg_pos/end_pos 始/末位置,单位:帧(10ms)
content 试卷内容

word

属性 含义
beg_pos/end_pos 始/末位置,单位:帧(10ms)
symbol 拼音:数字代表声调, 5 和 5 以上表示轻声
content 试卷内容
time_len 时长,单位:帧(10ms)

syll

属性 含义
beg_pos/end_pos 始/末位置,单位:帧(10ms)
dp_message 增漏读信息,详细请见 dp_message列表
symbol 拼音:数字代表声调, 5 和 5 以上表示轻声
content 试卷内容(sil、 silv 表示静音, fil 表示噪音)
rec_node_type paper(试卷内容),sil(非试卷内容)
time_len 时长,单位:帧(10ms)

phone

属性 含义
beg_pos/end_pos 始/末位置,单位:帧(10ms)
dp_message 增漏读信息,详细请见 dp_message列表
content 试卷内容(sil、 silv 表示静音, fil 表示噪音)
rec_node_type paper(试卷内容),sil(非试卷内容)
is_yun 是否是韵母,1表示“是”,0表示“否”
mono_tone 文本调型信息:TONE1(一声)TONE2(二声)
TONE3(三声)TONE4(四声)
time_len 时长,单位:帧(10ms)
perr_level_msg 预留字段,请忽略
中文句子(read_sentence)

以下是各个层级的字段说明。

read_sentence

属性 含义
total_score 总分
phone_score 声韵分(需使用 全维度 功能)
fluency_score 流畅度分(需使用 全维度 功能)
tone_score 调型分(需使用 全维度 功能)
integrity_score 完整度分(需使用 全维度 功能)
except_info 异常信息,详细请见 except_info列表
is_rejected 是否被拒
true:被拒,表明引擎检测到乱读
false:正常
beg_pos/end_pos 始/末位置,单位:帧(10ms)
content 试卷内容
time_len 朗读时长,单位:帧(10ms)

sentence

属性 含义
total_score 总分
phone_score 声韵分(需使用 全维度 功能)
fluency_score 流畅度分(需使用 全维度 功能)
tone_score 调型分(需使用 全维度 功能)
time_len 朗读时长,单位:帧(10ms)
beg_pos/end_pos 始/末位置,单位:帧(10ms)
content 试卷内容

word

属性 含义
beg_pos/end_pos 始/末位置,单位:帧(10ms)
symbol 拼音:数字代表声调, 5 和 5 以上表示轻声
content 试卷内容
time_len 时长,单位:帧(10ms)

syll

属性 含义
beg_pos/end_pos 始/末位置,单位:帧(10ms)
dp_message 增漏读信息,详细请见 dp_message列表
symbol 拼音:数字代表声调, 5 和 5 以上表示轻声
content 试卷内容(sil、 silv 表示静音, fil 表示噪音)
rec_node_type paper(试卷内容),sil(非试卷内容)
time_len 时长,单位:帧(10ms)

phone

属性 含义
beg_pos/end_pos 始/末位置,单位:帧(10ms)
dp_message 增漏读信息,详细请见 dp_message列表
content 试卷内容(sil、 silv 表示静音, fil 表示噪音)
rec_node_type paper(试卷内容),sil(非试卷内容)
is_yun 是否是韵母,1表示“是”,0表示“否”
mono_tone 文本调型信息:TONE1(一声)TONE2(二声)
TONE3(三声)TONE4(四声)
time_len 时长,单位:帧(10ms)
perr_level_msg 预留字段,请忽略
中文篇章(read_chapter)

以下是各个层级的字段说明。

read_chapter

属性 含义
total_score 总分
phone_score 声韵分(需使用 全维度 功能)
fluency_score 流畅度分(需使用 全维度 功能)
tone_score 调型分(需使用 全维度 功能)
integrity_score 完整度分(需使用 全维度 功能)
except_info 异常信息,详细请见 except_info列表
is_rejected 是否被拒
true:被拒,表明引擎检测到乱读
false:正常
beg_pos/end_pos 始/末位置,单位:帧(10ms)
content 试卷内容
time_len 朗读时长,单位:帧(10ms)

sentence

属性 含义
total_score 总分
phone_score 声韵分(需使用 全维度 功能)
fluency_score 流畅度分(需使用 全维度 功能)
tone_score 调型分(需使用 全维度 功能)
time_len 朗读时长,单位:帧(10ms)
beg_pos/end_pos 始/末位置,单位:帧(10ms)
content 试卷内容

word

属性 含义
beg_pos/end_pos 始/末位置,单位:帧(10ms)
symbol 拼音:数字代表声调, 5 和 5 以上表示轻声
content 试卷内容
time_len 时长,单位:帧(10ms)

syll

属性 含义
beg_pos/end_pos 始/末位置,单位:帧(10ms)
dp_message 增漏读信息,详细请见 dp_message列表
symbol 拼音:数字代表声调, 5 和 5 以上表示轻声
content 试卷内容(sil、 silv 表示静音, fil 表示噪音)
rec_node_type paper(试卷内容),sil(非试卷内容)
time_len 时长,单位:帧(10ms)

phone

属性 含义
beg_pos/end_pos 始/末位置,单位:帧(10ms)
dp_message 增漏读信息,详细请见 dp_message列表
content 试卷内容(sil、 silv 表示静音, fil 表示噪音)
rec_node_type paper(试卷内容),sil(非试卷内容)
is_yun 是否是韵母,1表示“是”,0表示“否”
mono_tone 文本调型信息:TONE1(一声)TONE2(二声)
TONE3(三声)TONE4(四声)
time_len 时长,单位:帧(10ms)
perr_level_msg 预留字段,请忽略

英文评测

以下为英语评测结果的属性说明(注:一帧长度为 10ms)

#####英文单词(read_word)

以下是各个层级的字段说明。

read_word

属性 含义
beg_pos/end_pos 多个单词开始/结束时间
content 多个单词内容
except_info 异常信息,详细请见 except_info列表
is_rejected 是否被拒
true:被拒,表明引擎检测到乱读
false:正常
total_score 总分
accuracy_socre 准确度评分(需使用 全维度 功能)
standard_score 预留字段,暂不生效)标准度评分,评测发音地不地道

sentence

属性 含义
beg_pos/end_pos 句子开始/结束时间
content 句子内容
index 句子索引

word

属性 含义
beg_pos/end_pos 单词开始/结束时间
content 单词内容
dp_message 增漏读信息,详细请见 dp_message列表
global_index 单词在全篇章索引
index 单词在句子中的索引
property 单词属性信息,详细请见 property列表
total_score 单词总分

syll

属性 含义
beg_pos/end_pos 音节开始/结束时间
content 音节内容(sil、 silv 表示静音, fil 表示噪音)
详见 音标对照表
syll_score 音节得分
syll_accent 音节重读标记,标志是否需要重读
(0:非重读,1:重读,2:半重读)

phone

属性 含义
beg_pos/end_pos 音素开始/结束时间
content 音素内容(sil、 silv 表示静音, fil 表示噪音)
详见 音标对照表
dp_message 增漏读信息,详细请见 dp_message列表
英文句子(read_sentence)

以下是各个层级的字段说明。

read_sentence

属性 含义
beg_pos/end_pos 篇章开始/结束时间
content 篇章内容
except_info 异常信息,详细请见 except_info列表
is_rejected 是否被拒
true:被拒,表明引擎检测到乱读
false:正常
word_count 篇章中全部单词数量
total_score 总分
accuracy_score 准确度评分(需使用 全维度 功能)
fluency_score 流畅度评分(需使用 全维度 功能)
integrity_score 完整度评分(需使用 全维度 功能)
standard_score 预留字段,暂不生效)标准度评分,评测发音地不地道

sentence

属性 含义
beg_pos/end_pos 句子开始/结束时间
content 句子内容
index 句子索引
total_score 句子评分
accuracy_score 准确度评分(需使用 全维度 功能)
fluency_score 流畅度评分(需使用 全维度 功能)
standard_score 预留字段,暂不生效)标准度评分,评测发音地不地道
word_count 句子中全部单词数量

word

属性 含义
beg_pos/end_pos 单词开始/结束时间
content 单词内容
dp_message 增漏读信息,详细请见 dp_message列表
global_index 单词在全篇章索引
index 单词在句子中的索引
property 单词属性信息,详细请见 property列表
total_score 单词总分

syll

属性 含义
beg_pos/end_pos 音节开始/结束时间
content 音节内容(sil、 silv 表示静音, fil 表示噪音)
详见 音标对照表
syll_score 音节得分
syll_accent 音节重读标记,标志是否需要重读
(0:非重读,1:重读,2:半重读)

phone

属性 含义
beg_pos/end_pos 音素开始/结束时间
content 音素内容(sil、 silv 表示静音, fil 表示噪音)
详见 音标对照表
dp_message 增漏读信息,详细请见 dp_message列表
英文篇章(read_chapter)

以下是各个层级的字段说明。

read_chapter

属性 含义
beg_pos/end_pos 篇章开始/结束时间
content 篇章内容
except_info 异常信息,详细请见 except_info列表
is_rejected 是否被拒
true:被拒,表明引擎检测到乱读
false:正常
word_count 篇章中全部单词数量
total_score 总分
accuracy_score 准确度评分(需使用 全维度 功能)
fluency_score 流畅度评分(需使用 全维度 功能)
integrity_score 完整度评分(需使用 全维度 功能)
standard_score 预留字段,暂不生效)标准度评分,评测发音地不地道

sentence

属性 含义
beg_pos/end_pos 句子开始/结束时间
content 句子内容
index 句子索引
total_score 句子评分
accuracy_score 准确度评分(需使用 全维度 功能)
fluency_score 流畅度评分(需使用 全维度 功能)
standard_score 预留字段,暂不生效)标准度评分,评测发音地不地道
word_count 句子中全部单词数量

word

属性 含义
beg_pos/end_pos 单词开始/结束时间
content 单词内容
dp_message 增漏读信息,详细请见 dp_message列表
global_index 单词在全篇章索引
index 单词在句子中的索引
property 单词属性信息,详细请见 property列表
total_score 单词总分

syll

属性 含义
beg_pos/end_pos 音节开始/结束时间
content 音节内容(sil、 silv 表示静音, fil 表示噪音)
详见 音标对照表
syll_score 音节得分
syll_accent 音节重读标记,标志是否需要重读
(0:非重读,1:重读,2:半重读)

phone

属性 含义
beg_pos/end_pos 音素开始/结束时间
content 音素内容(sil、 silv 表示静音,fil 表示噪音)
详见 音标对照表

音标对照表

讯飞音标<->国际音标
XML 结果中音素和音节的音标标记(即 syll 和 phone 标签中的 content 属性) 并不是标准音标,以下是它们与国际标准音标的对应关系:

讯飞音标 标准音标 讯飞音标 标准音标
aa ɑː f f
ae æ g g
ah ʌ hh h
ao ɔː jh
ar k k
aw l l
ax ə m m
ay n n
eh e ng ŋ
er ɜː p p
ey r r
ih ɪ s s
ir ɪə sh ʃ
iy t t
oo ɒ th θ
ow əʊ v v
oy ɒɪ w w
uh ʊ y j
uw z z
ur ʊə zh ʒ
b b dr dr
ch dz dz
d d tr tr
dh ð ts ts

dp_message属性说明

取值 含义 说明
0 正常 引擎认为该单元读了,但不一定朗读正确
16 漏读 该单元没有读
32 增读 该单元是多读的文本内的内容
64 回读 该单元是重复读的相邻文本的内容
128 替换 该单元读成文本内其他的内容

property属性说明

取值 含义 说明
2 意群停顿 表示该单词需要停顿一下
16 连读 表示该单词需要连读
32 重读 表示该单词需要重(zhong4)读
64 句末升调 表示该单词需要升调读

except_info列表

取值 说明
0 无异常
28673 无语音输入或音量太小
28676 检测到语音为乱说类型
28680 音频数据信噪比太低,音噪比在1.7以下
28709 音频数据信噪比太低,音噪比在0.7以下
28690 音频数据出现截幅