Azure語音服務現在能夠評估人類說話發音

微軟在其Azure語音服務新增發音評估（Pronunciation Assessment）功能，該功能可以評估語音發音，提供說話者有關語音準確性和流暢度的回饋，現在該功能美國英語已經正式上市，其他語言則提供預覽版本。

發音評估是Azure認知服務中，語音服務的一項功能，可提供主觀與客觀語音評估回饋，有助於以電腦輔助語言學習的效果，微軟提到，對語言學習者來說，練習發音能夠獲得即時的回饋，可以有效提高語言技能。過去發音評估都需要交由老師進行，但這需要花費大量的時間和精力，學習者必須要付出較高的學習成本，而發音評估是一個由人工智慧驅動的語音功能，讓學習者可更容易地獲得發音校正指導。

發音評估能夠給出接近人類專家品質的綜合評價，以不同精細度評估用戶的發音，從單音素到完整段落輸入。在音素層面，發音評估會提供每個音素的準確度分數，幫助學習者更好地理解語音發音細節，而在單詞等級，發音評估可以自動檢測錯誤提供準確度分數，以及遺漏、重複和錯誤發音等詳細資訊。

而在全文層級，發音評估提供額外的流暢度和完整度分數，流暢度則是和母語者比較，在單詞之間中斷無聲的程度，而完整度則代表所輸入的參考文本中，用戶唸出單詞的比例，然後從準確度、流暢度和完整性匯總分數，給出整體的發音品質評估，學習者可以利用這些評估，改進口說弱點。

語音評估的核心，是使用發音錯誤檢測和診斷（Mispronunciation Detection and Diagnose，MDD）技術，對單詞層級的發音準確度進行評分，提供錯誤判斷並且有助於整體評估，官方提到，為了提供準確且一致的結果，發音評估採用新的神經網路進行建模，利用分層架構從較低的單詞粒度，處理到更高的單詞粒度訊息。官方提到，這樣的設計讓發音評估，可以從微小的模式中，充分利用詳細的發音資訊，使得錯誤發音檢測更準確。

發音評估模型使用超過10萬小時，來自不同口音、地區和年齡的語音訓練資料，發音評估可以處理各種類型用戶溝通的場景，像是成人到小孩，或是非母語人士到母語人士，提供一致的評估效能。官方提到，發音評估支援自由式談話，也就是說話者在說話之前沒有任何前綴參照，像是演講或是口語考試，透過使用Azure Speech-to-Text服務，發音評估可以自動準確地轉錄語音，並提供各種粒度評估結果。