微軟在其Azure語音服務新增發(fā)音評估（Pronunciation Assessment）功能，該功能可以評估語音發(fā)音，提供說話者有關語音準確性和流暢度的回饋，現(xiàn)在該功能美國英語已經(jīng)正式上市，其他語言則提供預覽版本。

　　發(fā)音評估是Azure認知服務中，語音服務的一項功能，可提供主觀與客觀語音評估回饋，有助於以電腦輔助語言學習的效果，微軟提到，對語言學習者來說，練習發(fā)音能夠獲得即時的回饋，可以有效提高語言技能。過去發(fā)音評估都需要交由老師進行，但這需要花費大量的時間和精力，學習者必須要付出較高的學習成本，而發(fā)音評估是一個由人工智慧驅動的語音功能，讓學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專家品質的綜合評價，以不同精細度評估用戶的發(fā)音，從單音素到完整段落輸入。在音素層面，發(fā)音評估會提供每個音素的準確度分數(shù)，幫助學習者更好地理解語音發(fā)音細節(jié)，而在單詞等級，發(fā)音評估可以自動檢測錯誤提供準確度分數(shù)，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(shù)，流暢度則是和母語者比較，在單詞之間中斷無聲的程度，而完整度則代表所輸入的參考文本中，用戶念出單詞的比例，然後從準確度、流暢度和完整性匯總分數(shù)，給出整體的發(fā)音品質評估，學習者可以利用這些評估，改進口說弱點。

　　語音評估的核心，是使用發(fā)音錯誤檢測和診斷（Mispronunciation Detection and Diagnose，MDD）技術，對單詞層級的發(fā)音準確度進行評分，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10萬小時，來自不同口音、地區(qū)和年齡的語音訓練資料，發(fā)音評估可以處理各種類型用戶溝通的場景，像是成人到小孩，或是非母語人士到母語人士，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，也就是說話者在說話之前沒有任何前綴參照，像是演講或是口語考試，透過使用Azure Speech-to-Text服務，發(fā)音評估可以自動準確地轉錄語音，并提供各種粒度評估結果。