[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|