Brainiall Pronunciation
Pontuações em nível de fonema que superam a concordância humana
A única API comercial de pronúncia em que o modelo é mais consistente que avaliadores humanos treinados. PCC por fonema 0.590 em nosso tier Light de produção e 0.682 no tier Premium com fine-tuning — ambos acima do teto inter-anotadores de 0,555 em nosso conjunto de testes público. AWS e GCP não têm produto equivalente; o Azure oferece 33 idiomas sem publicar números de precisão.
Por que essa classificação é importante
O Coeficiente de Correlação de Pronúncia (PCC) mede o quanto as pontuações automáticas correspondem ao consenso de avaliadores humanos treinados. No nosso benchmark de teste público, dois humanos treinados concordam em PCC 0,555 (nível de fonema). Nosso modelo em produção está em 0.590Nosso nível premium está em 0.682. Ambos superam o teto que avaliadores humanos treinados atingem entre si — ou seja, a API é, em média, mais consistente do que dois avaliadores comparando notas.
PCC de fonema (Light)
0.590
+3,5pp acima do humano (0,555). Ensemble de 9 modelos, roda em CPU.
PCC de Fone (Premium)
0.682
+12,7pp acima do humano, +2,5pp acima do SOTA (HIA 0,657). Tier Premium ajustado sobre o motor Brainiall Speech (Premium).
PCC por frase
0.711
+3,6pp acima do humano (0,675). Nível de frase via XGBoost empilhado sobre features de fonema e palavra.
Latência p95
423ms
Tier Light em GPU compartilhada; Premium ~530ms a quente. Ambos síncronos — sem espera de batch.
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.
Comparação de qualidade e preço
Qualidade em escala 0–10 derivada de benchmarks publicados; AWS e GCP não têm produto equivalente, portanto pontuam 0. Preço por minuto de áudio em 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 | $0.600(72% cheaper) | 28% | Superior |
Pricing rule: 90% off when inferior · 80% off at parity · 50% off when superior. Position determined by objective benchmark, refreshed quarterly. Market average excludes retired / free / no-offer entries.
Preço
O tier Light pontua com qualidade de produção usando inferência em CPU; o tier Premium usa um motor Brainiall Speech (Premium) ajustado para a maior precisão publicada em nosso conjunto de testes público. Regra de desconto: 50% abaixo da média de mercado quando nossa qualidade é superior — o que ocorre em ambos os tiers.
Grátis
US$ 0/mês
100 minutos/mês · Tier Light · Grátis para sempre
Inicial
US$ 19/mês
1.000 minutos/mês · Tier Light · Pontuações por palavra e frase
Pro
US$ 99/mês
10.000 minutos/mês · Light + Premium · Pontuações por fonema · SLA de 99,5%
Negócios
US$ 299/mês
50.000 minutos/mês · Capacidade dedicada · Linha direta para o fundador
Integração de duas linhas
Envie áudio bruto (base64) e o texto esperado. Receba pontuações por fonema, por palavra e por frase — uma chamada HTTP, sem 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
# }Metodologia
O tier Light é um ensemble de 9 modelos (4× MLP + 4× XGBoost + 1× PhoneTransformer) sobre features extraídas de um modelo acústico Brainiall Speech (tier Edge) — o mesmo backbone que usamos no nosso produto STT. O tier Premium adiciona um motor Brainiall Speech (Premium) ajustado, com soma ponderada aprendível das suas 24 camadas de transformer, mais um objetivo de pontuação ordinal-contrastivo. Todos os números vêm do metodologia do benchmark página; o conjunto de testes está nosso conjunto de testes público (a referência SOTA para pronúncia de inglês L2).