Brainiall Pronunciation
人間の合意を超える電話レベルのスコア
モデルがトレーニングされた人間のラッターよりも一貫している唯一の商業的な発音API。 0.590 生産レベルの光と、 0.682 AWS と GCP は同等の製品を持っていません; Azure は正確な番号を公開せずに 33 つの場所を提供しています。
なぜ、この点数が重要なのか。
コレラション・コレクション・コレクション(PCC)は、トレーニング・ヒューマン・ラッターの合意に近い自動スコアがどれほど一致するかを測定します。 公のテスト・セット・ベンチマークでは、2人のトレーニング・ヒューマンがPCC 0.555(電話レベル)で合意しています。 0.590私たちのプレミアムレベルは 0.682両方とも、人間が互いに訓練した天井を超え、つまりAPIは平均的にノートを比較する2つのグレードよりも一貫している。
電話PCC(ライト)
0.590
+3.5pp 上の人間 (0.555) 9 モデル セット、CPU で実行します。
PCC(プレミアム)
0.682
+12.7pp 上の人間、 +2.5pp 上 SOTA (HIA 0.657)。
PCCの判決
0.711
+3.6pp 以上の人間 (0.675 ) 判決レベル XGBoost を介して電話+単語機能を上回る。
ラテンシー P95
423ms
シェアGPU上のライトレベル; プレミアム ~530ms 暖かい. 両方同期 — バッチは待たない。
ケース利用
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.
品質&価格比較
AWS と GCP は同等の製品を持っていないので 0 を評価します。
| 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.
価格
ライトレベルの評価はCPU推論による本番品質で、プレミアムレベルは、私たちの公開テストセットで最高の公開精度を得るために、微調整された Brainiall Speech (Premium) エンジンを使用します。
フリー
ドル 0 / モー
100分/月 · ライトレベル · 永遠に無料
スタート
19ドル / 月
1000分/月 · ライトレベル · Word + フレーズ スコア
プロ
・99ドル/月
10,000分/月 · ライト + プレミアム · 電話レベルのスコア · 99.5% SLA
ビジネス
平成29年/月
50,000分/月 · 専用容量 · 創業者への直線
二線統合
原始オーディオ(base64)を送信し、予想されるテキストを追加します 電話、単語、単語のスコアを返します - 1 HTTP 通話、ストリーミングは必要ありません。
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
# }方法論
ライトレベルは9モデル集合(4×MLP+4×XGBoost+1× PhoneTransformer)で、Brainall Speech(エッジレベル)の音響モデルから抽出された機能を超えています - 私たちがSTT製品に使用する同じ背骨です。 ベンチマーク方法論 テストセット:テストセット 私たちの公共テストセット (英語 の L2 の SOTA の参照)