[TOC] ## 同一個句子，用美式發音讀和用英式發音讀，哪個得分會高些 >- 引擎支持多發音匹配，會自動匹配發音。如果匹配出是美式發音，就按美式發音進行評分；如果匹配出是英式發音，就按英式發音進行評分。 >- 用戶也可以通過試卷標注指定發音，標注方法請參見 [試卷制作](試卷制作.md) 中英文單詞自定義發音。 ## XML中的beg_pos和end_pos可以怎么使用 > beg_pos 和 end_pos 標記了對應節點下內容在語音中的邊界，單位是幀，每幀10ms，例如一個單詞“word“，其 beg_pos = n1，end_pos = n2，那么在語音中，“word”的位置在 n1\*10ms 到 n2*10ms。 ## XML中的dp_message可以怎么使用 >- dp_message標記內容的切分信息，當值為0時，表示正常；值為16，表示漏讀，值為32表示增讀。 >- 在解析效果的時候，如果遇到dp_message不為 0 的情況，要進行相應的處理。一般情況下，word節點下dp_message值為16的時候，相關的效果信息都會缺失；值為32的時候，會選擇得分最高的word節點作為最終結果。 ## 為什么個別單詞打分不準，如：打分不高或者不符合預期 >1. 我們的單詞音標兼顧了各種發音的可能，如果您的發音恰好是其中一種，但您的預期是不應該打高分時，就會產生誤差，建議您自己定義該單詞發音，具體使用方法請參見 [試卷制作](試卷制作.md) 中英文單詞自定義發音。 >2. 我們的評分標準參考了每個音素的得分情況，對于發音相近的音素或單詞，引擎會產生混淆。例如單詞“about”和“above”，這樣有可能造成打分不準。 >3. 對于極個別人的發音，由于聲學模型限制，可能識別不準，所以導致評測也有可能不準。 如果，以上解答仍有疑問，可聯系我們，提供相關音頻數據和試卷內容，我們具體分析后再做答復。 ## 亂說、亂讀得高分的問題怎么解決 > 1. 評測結果中會給出 is_rejected 字段，當字段值為 true 時，說明此時是用戶亂說導致的拒識，開發者可根據這個字段判斷此次用戶是否為亂說。 > 2. 在拒識的同時依然會給出得分，因為目前識別亂說的準確率沒有100%，所以存在誤拒的情況。如果引擎給0分的話，也不合適。 > 3. 引擎可以檢測出來用戶是亂說的，但無法保證一定是低分。所以說，如果引擎報出亂說，那么就可以認為評分已經不可信。這種情況下，開發者可以給用戶顯示 0 分，也可以在顯示引擎分數的同時，給出亂說的檢測結果。這個由開發者自己來決定哪一種方式更合適。 > 4. 還有個屬性字段 except_info，如果其屬性值為28673（音量小/無語音），28680（信噪比低），28690（有截幅），則說明使用環境存在問題，打分也是不可信的。 ## 結果評分分值與日常經驗中的優、良、中、差的對應關系 >其實這兩者之間并沒有嚴格的對應關系，以下對應關系僅供參考： |等級 |五分制分值|百分制分值| | :---: | :---: | :---: | |優|4.3分~5分|86分~100分| |良|3.5分~4.2分|70分~85分| |中|2.5分~3.4分|50分~69分| |差|1.5分~2.4分|30分~49分| |很差|0分~1.4分|0分~29分|