Brainiall Pronunciation
Les chiffres de niveau téléphonique qui dépassent l'accord humain
La seule API de prononciation commerciale où le modèle est plus cohérent que les raters humains formés. 0.590 sur notre production Lumière et 0.682 AWS et GCP n'ont pas de produit équivalent; Azure propose 33 locaux sans publier des chiffres d'exactitude.
Pourquoi ce score est important
Pronunciation Coefficient de corrélation (PCC) mesure à quel point les résultats automatiques correspondent à la consensus des raters humains formés. Sur le public notre test public établit référence, deux humains formés sont d'accord sur PCC 0.555 (niveau de téléphone). Notre modèle de production est à 0.590Notre niveau premium est à 0.682Les deux dépassent le plafond qui a entraîné les humains les uns avec les autres – ce qui signifie que l’API est, en moyenne, plus cohérent que deux degrés comparant les notes.
Téléphone PCC (Light)
0.590
+3.5pp au-dessus de l'homme (0.555). ensemble de 9 modèles, fonctionne sur la CPU.
Téléphone PCC (Prémium)
0.682
+12.7pp au-dessus de l'homme, +2.5pp au-dessus de SOTA (HIA 0.657).
La sentence du PCC
0.711
+3.6pp au-dessus de l'homme (0.675). niveau de jugement via XGBoost étiqueté sur les fonctionnalités de téléphone + parole.
Lateur P95
423ms
Niveau de lumière sur GPU partagé; Premium ~530ms chaud. Les deux synchronisés — pas d'attente de batch.
Utiliser les cas
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.
Comparaison qualité et prix
Qualité sur une échelle de 0 à 10 dérivée des références publiées; AWS et GCP n'ont pas de produit équivalent, de sorte qu'ils score 0.
| 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.
prix
Le niveau Light atteint une qualité de production avec inférence CPU ; le niveau Premium utilise un moteur Brainiall Speech (Premium) affiné pour la plus haute précision publiée sur notre ensemble d'essai public. Règle de réduction : 50% sous la moyenne du marché lorsque notre qualité est supérieure — ce qui est le cas, sur les deux niveaux.
libre
0 €/mo
100 minutes/mois · Light tier · Gratuit pour toujours
Démarrage
19 € / mois
1000 minutes/mois · Niveau de lumière · Paroles + scores de phrase
Pro
99 € / mois
10 000 minutes/mois · Light + Premium · Scores de niveau téléphonique · 99.5% SLA
Les affaires
299 € / mois
50 000 minutes/mois · Capacité dédiée · Ligne directe au fondateur
L’intégration à deux lignes
Envoyer de l'audio brut (base64) plus le texte attendu.Retourner par téléphone, par mot et par sentence scores — un appel HTTP, pas de streaming requis.
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
# }méthodologie
Le niveau Light est un ensemble de 9 modèles (4× MLP + 4× XGBoost + 1× PhoneTransformer) sur les caractéristiques extraites d'un modèle acoustique Brainiall Speech (Edge tier) - le même backbone que nous utilisons pour notre produit STT. Le niveau Premium ajoute un moteur Brainiall Speech (Premium) affiné, avec somme pondérée apprenable sur ses 24 couches de transformateur, plus un objectif de scoring ordinal-contrastif. Tous les chiffres viennent du public méthodologie de référence page ; le test est Notre test public (la référence SOTA pour la prononciation L2 en anglais).
Prononciation, plus cohérente que les humains
Obtenez la clé API gratuite Voir la comparaison concurrentielle