Brainiall Pronunciation
Puntuaciones a nivel de fonema que superan el acuerdo humano
La única API comercial de evaluación de pronunciación donde el modelo es más consistente que evaluadores humanos entrenados. PCC por fonema 0.590 en nuestro tier Light de producción y 0.682 en el tier Premium fine-tuned — ambos por encima del techo inter-anotador de 0.555 en nuestro conjunto de pruebas público. AWS y GCP no tienen producto equivalente; Azure ofrece 33 locales sin publicar cifras de precisión.
Por qué importa esta puntuación
El coeficiente de correlación de pronunciación (PCC) mide qué tan cerca coinciden las puntuaciones automáticas con el consenso de evaluadores humanos entrenados. En nuestro conjunto público de prueba, dos humanos entrenados coinciden con un PCC de 0.555 (a nivel de fonema). Nuestro modelo en producción alcanza 0.590Nuestro nivel premium está en 0.682. Ambos superan el techo que humanos entrenados alcanzan entre sí, es decir, la API es, en promedio, más consistente que dos evaluadores comparando notas.
PCC de fonema (Light)
0.590
+3,5pp por encima del humano (0,555). Ensemble de 9 modelos, corre en CPU.
PCC de fonema (Premium)
0.682
+12,7pp por encima del humano, +2,5pp por encima de SOTA (HIA 0,657). El nivel Premium está ajustado sobre el motor Brainiall Speech (Premium).
PCC por oración
0.711
+3,6pp por encima del humano (0,675). Nivel de oración mediante XGBoost apilado sobre características de fonema y palabra.
Latencia p95
423ms
Nivel Light en GPU compartida; Premium ~530ms en caliente. Ambos sincrónicos — sin espera por lotes.
Casos de uso
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.
Calidad y comparación de precios
Calidad en una escala de 0 a 10 derivada de benchmarks publicados; AWS y GCP no tienen un producto equivalente, por lo que obtienen una puntuación de 0. El precio es por minuto de audio en USD.
| 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.
Precios
El tier Light obtiene calidad de producción con inferencia en CPU; el tier Premium usa un motor Brainiall Speech (Premium) ajustado para la mayor precisión publicada en nuestro conjunto de pruebas público. Regla de descuento: 50% por debajo del promedio del mercado cuando nuestra calidad es superior — y lo es, en ambos tiers.
Gratis
$0/mes
100 minutos/mes · Nivel Light · Gratis para siempre
Inicial
$19/mes
1.000 minutos/mes · Nivel Light · Puntuaciones por palabra y oración
Pro
$99/mes
10.000 minutos/mes · Light + Premium · Puntuaciones a nivel de fonema · SLA 99,5%
Empresa
$299/mes
50.000 minutos/mes · Capacidad dedicada · Línea directa con el fundador
Integración de dos líneas
Envía audio crudo (base64) junto con el texto esperado. Recibe puntuaciones por fonema, por palabra y por oración: una sola llamada HTTP, sin streaming.
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
# }Metodología
El nivel Light es un ensamble de 9 modelos (4× MLP + 4× XGBoost + 1× PhoneTransformer) sobre características extraídas de un modelo acústico Brainiall Speech (nivel Edge): la misma base que usamos para nuestro producto STT. El nivel Premium añade un motor Brainiall Speech (Premium) ajustado, con suma ponderada aprendible a través de sus 24 capas de transformador, más un objetivo de puntuación ordinal-contrastivo. Todos los números provienen del conjunto público Metodología de referencia página; el conjunto de pruebas es nuestro conjunto de pruebas público (la referencia SOTA para la pronunciación L2 en inglés).