托福考试改革——口语测试Speeck-rater 测试结果分析

ETS官方宣布将会开始用真人与Speech-rater即智能语音识别系统来对考生的口语录音进行评分。你的口语，在这种评分机制下会吃亏吗？

01语音识别的准确程度受到“发音清晰度”影响很大，受“发音准确度”影响较小

测试表现：经过多个软件识别，口语28分学员和托福口语真题听力原音的识别率很高，接近百分之百，然而口语20分学员的录音，则呈现出许多类似“乱码”的识别，造成识别出现“乱码”的主要原因是“多音节单词音节遗漏”以及“元音字母发音规模性错误”。需要指出的是，用来做对比的材料在口音上完全不同，但只要发音清晰，识别率是一样高的。

测试结论：对于语音识别来说，发音的清晰度是最重要的，这就要求在读多音节单词或者在几个单词形成多音节连读的时候，我们不能太着急，或者想要“蒙混过关”；其次就是元音字母a, e, i, o, u的发音不能错得太离谱，否则大量单词会被识别为“乱码”；至于口音（英音、美音、美英混音......），软件的兼容性很好，就像那些经验丰富的考官一样“吃过见过”，并不挑食。

02语音识别的准确程度几乎不受"语速"、"语调"影响，但受"节奏"影响较大

测试材料：TPO口语听力材料、托福口语真题听力原音

测试表现：TPO和真题都做过的人应该能感觉到，对话的style是不太一样的——TPO“戏感”更足一些，而真题相比之下就像是在念稿子，Task 5的对话尤其明显。因此，才将这两者放在一起作对比测试，结果发现识别率几乎一样高。这说明只要我们的发音足够清晰（基于第一个测试的标准），语气native一点、飞一点，并不会让语音识别的精度下降。同时，语速的快慢也不会影响到识别。但是，需要注意的是，如果说话的时候太抢，句子和句子之间的时间过渡不够，就会导致机器把两句话认定成一句话，导致识别的偏差。我们才测试时发现lecture的识别率普遍比conversation高，原因在于节奏，两人对话的时候可能接话接的很快，所以导致识别率下降。

测试结论：语速快慢问题不大，但是自顾自地快速嘟囔，不仅是真人考官受不了，机器也会觉得overwhelming。

03语音识别对于“专业术语”的识别率较低，对于“大白话”的识别率最高

测试样本：范文精选集demo音频、口语28分学员课堂作业、口语20出头但特别喜欢用“大词”和“专业说法”的学员课堂作业、托福综合写作听力音频

测试表现：口语28分学员的课堂作业和范文精选集的language style一脉相承，都属于“大白话”，识别率都接近百分之百；口语20分学员（其实英语词汇和语法底子很好，但输出时很少在意“固定搭配”，喜欢“发明创造”，词汇和句型都是根据自己知道的单词“随意排列组合”，是一种很典型偏科生）比较喜欢用大词（不少都是多音节还不太好发的）和自己发明的词组，所以识别效果不好。有趣的是，发音很好的ETS听力原文，如果是涉及到历史学话题，大量的专有名词也会让识别率打不少折扣。

测试结论：讲话要讲大白话，少用自己发不好音的大词，更不要觉得“专业词汇”或者“学术说法”是炫技神器，有时候它们是考生给自己挖的坑！

根据以上的三个测试，我们可以判断——口齿清晰、发音相对标准、说话有节奏感且不喜欢在口语语言使用上“刻意炫技”的同学是很占优势的。与他们相反的，自然就十分吃亏。你属于哪种类型呢？