微軟在其Azure語(yǔ)音服務(wù)新增發(fā)音評估（Pronunciation Assessment）功能，該功能可以評估語(yǔ)音發(fā)音，提供說(shuō)話(huà)者有關(guān)語(yǔ)音準確性和流暢度的回饋，現在該功能美國英語(yǔ)已經(jīng)正式上市，其他語(yǔ)言則提供預覽版本。

　　發(fā)音評估是Azure認知服務(wù)中，語(yǔ)音服務(wù)的一項功能，可提供主觀(guān)與客觀(guān)語(yǔ)音評估回饋，有助於以電腦輔助語(yǔ)言學(xué)習的效果，微軟提到，對語(yǔ)言學(xué)習者來(lái)說(shuō)，練習發(fā)音能夠獲得即時(shí)的回饋，可以有效提高語(yǔ)言技能。過(guò)去發(fā)音評估都需要交由老師進(jìn)行，但這需要花費大量的時(shí)間和精力，學(xué)習者必須要付出較高的學(xué)習成本，而發(fā)音評估是一個(gè)由人工智慧驅動(dòng)的語(yǔ)音功能，讓學(xué)習者可更容易地獲得發(fā)音校正指導。

　　發(fā)音評估能夠給出接近人類(lèi)專(zhuān)家品質(zhì)的綜合評價(jià)，以不同精細度評估用戶(hù)的發(fā)音，從單音素到完整段落輸入。在音素層面，發(fā)音評估會(huì )提供每個(gè)音素的準確度分數，幫助學(xué)習者更好地理解語(yǔ)音發(fā)音細節，而在單詞等級，發(fā)音評估可以自動(dòng)檢測錯誤提供準確度分數，以及遺漏、重復和錯誤發(fā)音等詳細資訊。

　　而在全文層級，發(fā)音評估提供額外的流暢度和完整度分數，流暢度則是和母語(yǔ)者比較，在單詞之間中斷無(wú)聲的程度，而完整度則代表所輸入的參考文本中，用戶(hù)念出單詞的比例，然後從準確度、流暢度和完整性匯總分數，給出整體的發(fā)音品質(zhì)評估，學(xué)習者可以利用這些評估，改進(jìn)口說(shuō)弱點(diǎn)。

　　語(yǔ)音評估的核心，是使用發(fā)音錯誤檢測和診斷（Mispronunciation Detection and Diagnose，MDD）技術(shù)，對單詞層級的發(fā)音準確度進(jìn)行評分，提供錯誤判斷并且有助於整體評估，官方提到，為了提供準確且一致的結果，發(fā)音評估采用新的神經(jīng)網(wǎng)路進(jìn)行建模，利用分層架構從較低的單詞粒度，處理到更高的單詞粒度訊息。官方提到，這樣的設計讓發(fā)音評估，可以從微小的模式中，充分利用詳細的發(fā)音資訊，使得錯誤發(fā)音檢測更準確。

　　發(fā)音評估模型使用超過(guò)10萬(wàn)小時(shí)，來(lái)自不同口音、地區和年齡的語(yǔ)音訓練資料，發(fā)音評估可以處理各種類(lèi)型用戶(hù)溝通的場(chǎng)景，像是成人到小孩，或是非母語(yǔ)人士到母語(yǔ)人士，提供一致的評估效能。官方提到，發(fā)音評估支援自由式談話(huà)，也就是說(shuō)話(huà)者在說(shuō)話(huà)之前沒(méi)有任何前綴參照，像是演講或是口語(yǔ)考試，透過(guò)使用Azure Speech-to-Text服務(wù)，發(fā)音評估可以自動(dòng)準確地轉錄語(yǔ)音，并提供各種粒度評估結果。