Brainiall Pronunciation
Telefonspiegel, die die menschliche Vereinbarung überschreiten
Die einzige kommerzielle Aussprache API, in der das Modell konsistent ist als trainierte menschliche Raters. 0.590 auf unserer Produktion Licht-Tier und 0.682 auf dem Premium-Fine-Tuned-Level – beide über dem 0.555 Inter-Notator-Gebäude auf unserem öffentlichen Testset. AWS und GCP haben kein gleichwertiges Produkt; Azure bietet 33 Standorte ohne präzise Zahlen zu veröffentlichen.
Warum diese Werte wichtig sind
Pronunciation Correlation Coefficient (PCC) messen, wie eng automatische Scores den Konsens von trainierten menschlichen Ratern entsprechen. Auf der Öffentlichkeit unsere öffentlichen Testsatz Benchmark, zwei trainierte Menschen stimmen zu PCC 0.555 (Phone-Level). Unser Produktionsmodell ist auf 0.590Unsere Premium-Level ist bei 0.682Beide überschreiten den Dach, den die Menschen miteinander trainiert haben - was bedeutet, dass die API im Durchschnitt konsistent ist als zwei Gradern, die Notizen vergleichen.
Telefon PCC (Licht)
0.590
+3.5pp über dem menschlichen (0.555). 9-Modell ensemble, läuft auf CPU.
Telefon PCC (Premium)
0.682
+12.7pp über den Menschen, +2.5pp über SOTA (HIA 0.657). Premium-Tier feinabgestimmt auf dem Brainiall Speech (Premium)-Motor.
Strafe der PCC
0.711
+3.6pp über menschlich (0.675). Urteilsgrad über XGBoost über Telefon+Word-Funktionen.
Verzögerung P95
423ms
Lichtstufe auf geteilter GPU; Premium ~530ms warm. Beide synchronisieren — keine batch warten.
Verwendung von Fällen
Edtech & language learning
L2 English speakers practicing on mobile or web. Get phone-level color-coded scores so the learner sees exactly which sounds need work — not just a sentence-level grade.
Call-center accent training
Score agent recordings nightly to track pronunciation drift across cohorts. The phone-level granularity surfaces specific phonemes (/θ/, /ð/, vowel reductions) that managerial review can't catch in real time.
Accessibility & speech therapy
Speech-language pathologists need objective per-phoneme scores for clinical baselines. Our PCC exceeds inter-annotator agreement among trained human raters — the score is more consistent than humans.
Voice-acting / dubbing QA
Validate that dubbed lines meet target pronunciation before mastering. Catches mid-session drift in long dubbing sessions before re-records become expensive.
Voice-search / IVR fine-tuning
When an STT model misrecognizes accented speech, you usually don't know if it's the model or the speaker. Pronunciation scoring on the audio answers that — separating user-side issues from model-side issues.
Qualität & Preisvergleich
Qualität auf einer Skala von 0-10, die von veröffentlichten Benchmarks abgeleitet wird; AWS und GCP haben kein gleichwertiges Produkt, so dass sie 0 erzielen.
| Provider | Quality | Price/audio-hour | vs market avg | Position |
|---|---|---|---|---|
| AWS (no offering) | 0.0/10 | $0 | — | — |
| GCP (no offering) | 0.0/10 | $0 | — | — |
| Azure Pronunciation Assessment | 8.5/10 | $1.32 | 61% | — |
| Speechace (B2B API) | 8.5/10 | $3.00 | 139% | — |
| ELSA Speak (consumer + API) | 8.0/10 | $0 | — | — |
| Brainiall LIGHT | 9.0/10 | $0.600(72% cheaper) | 28% | Superior |
| Brainiall PREMIUM | 9.5/10 | $0.600(72% cheaper) | 28% | Superior |
Pricing rule: 90% off when inferior · 80% off at parity · 50% off when superior. Position determined by objective benchmark, refreshed quarterly. Market average excludes retired / free / no-offer entries.
Preise
Light-Level erreicht Produktionsqualität mit CPU-Inferenz; Premium-Level verwendet einen feinabgestimmten Brainiall Speech (Premium)-Motor für die höchste veröffentlichte Genauigkeit auf unserem öffentlichen Testset. Rabattregel: 50% unter dem Marktdurchschnitt, wenn unsere Qualität überlegen ist - was sie ist, auf beiden Ebenen.
Freie
1 € / €
100 Minuten/Monat · Light tier · Forever free
Starten
19 € / Monat
1000 Minuten/Monat · Licht-Ebene · Wörter + Satzpunkte
Pro
$99 / Monat
10.000 Minuten/Monat · Licht + Premium · Telefonspiegel · 99.5% SLA
Geschäfte
299 € / Monat
50.000 Minuten/Monat · Dedizierte Kapazität · Direkt an den Gründer
Zwei-Linie-Integration
Send raw audio (base64) plus den erwarteten text. Get back per-phone, per-word and per-sentence scores — one HTTP call, no streaming required.
curl https://api.brainiall.com/v1/pronunciation/assess \
-H "Authorization: Bearer $BRAINIALL_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"audio": "<base64-wav>",
"text": "She sells seashells by the seashore",
"tier": "premium"
}'
# response (abbreviated):
# {
# "sentenceScore": 86,
# "wordScores": [{"word":"she","score":92}, {"word":"sells","score":78}, ...],
# "phoneScores": [{"phone":"SH","score":94}, ...],
# "confidence": 0.97
# }Methodologie
Die Light-Tier ist ein 9-Modell-Ensemble (4× MLP + 4× XGBoost + 1× PhoneTransformer) über Funktionen, die aus einem Brainiall Speech (Edge-Tier) akustischen Modell extrahiert werden - dasselbe Backbone, das wir für unser STT-Produkt verwenden. Die Premium-Tier fügt einen feinabgestimmten Brainiall Speech (Premium)-Motor hinzu, mit lernbarer gewichteter Summe über seine 24 Transformer-Schichten, plus einem ordinal-kontrastiven Scoring-Ziel. Benchmark Methodologie Seite; der Testsatz ist Unser öffentliches Test Set (Die SOTA-Referenz für L2-Englisch Aussprache).