微軟在其Azure語音服務(wù)新增發(fā)音評估（Pronunciation Assessment）功能，該功能可以評估語音發(fā)音，提供說話者有關(guān)語音準(zhǔn)確性和流暢度的回饋，現(xiàn)在該功能美國英語已經(jīng)正式上市，其他語言則提供預(yù)覽版本。

　　發(fā)音評估是Azure認(rèn)知服務(wù)中，語音服務(wù)的一項(xiàng)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(xué)習(xí)的效果，微軟提到，對語言學(xué)習(xí)者來說，練習(xí)發(fā)音能夠獲得即時(shí)的回饋，可以有效提高語言技能。過去發(fā)音評估都需要交由老師進(jìn)行，但這需要花費(fèi)大量的時(shí)間和精力，學(xué)習(xí)者必須要付出較高的學(xué)習(xí)成本，而發(fā)音評估是一個(gè)由人工智慧驅(qū)動(dòng)的語音功能，讓學(xué)習(xí)者可更容易地獲得發(fā)音校正指導(dǎo)。

　　發(fā)音評估能夠給出接近人類專家品質(zhì)的綜合評價(jià)，以不同精細(xì)度評估用戶的發(fā)音，從單音素到完整段落輸入。在音素層面，發(fā)音評估會(huì)提供每個(gè)音素的準(zhǔn)確度分?jǐn)?shù)，幫助學(xué)習(xí)者更好地理解語音發(fā)音細(xì)節(jié)，而在單詞等級(jí)，發(fā)音評估可以自動(dòng)檢測錯(cuò)誤提供準(zhǔn)確度分?jǐn)?shù)，以及遺漏、重復(fù)和錯(cuò)誤發(fā)音等詳細(xì)資訊。

　　而在全文層級(jí)，發(fā)音評估提供額外的流暢度和完整度分?jǐn)?shù)，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，用戶念出單詞的比例，然後從準(zhǔn)確度、流暢度和完整性匯總分?jǐn)?shù)，給出整體的發(fā)音品質(zhì)評估，學(xué)習(xí)者可以利用這些評估，改進(jìn)口說弱點(diǎn)。

　　語音評估的核心，是使用發(fā)音錯(cuò)誤檢測和診斷（Mispronunciation Detection and Diagnose，MDD）技術(shù)，對單詞層級(jí)的發(fā)音準(zhǔn)確度進(jìn)行評分，提供錯(cuò)誤判斷并且有助於整體評估，官方提到，為了提供準(zhǔn)確且一致的結(jié)果，發(fā)音評估采用新的神經(jīng)網(wǎng)路進(jìn)行建模，利用分層架構(gòu)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(shè)計(jì)讓發(fā)音評估，可以從微小的模式中，充分利用詳細(xì)的發(fā)音資訊，使得錯(cuò)誤發(fā)音檢測更準(zhǔn)確。

　　發(fā)音評估模型使用超過10萬小時(shí)，來自不同口音、地區(qū)和年齡的語音訓(xùn)練資料，發(fā)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(fā)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(wù)，發(fā)音評估可以自動(dòng)準(zhǔn)確地轉(zhuǎn)錄語音，并提供各種粒度評估結(jié)果。