Hier anfangen
Definitionen der Werte
Jeder Wert wird aus den Lauten der Aufnahme gezählt, ohne Gewichte und ohne Anpassungen. Diese Seite gibt jeden als Formel an, sodass sich jede Zahl einer Antwort von Hand prüfen lässt.
Diese Definitionen gelten für jede Aufnahme, die ab dem 18. November 2026 bewertet wird.
#Die Referenz und was 100 bedeutet
Jeder Wert vergleicht die Aufnahme mit einer einzigen Referenz: der Standardaussprache der Sprachvariante, die der Aufruf nennt (britisches oder amerikanisches Englisch, das Spanisch Spaniens und so weiter), wie sie in Spellys Aussprachereferenz steht, die veröffentlichten Beschreibungen der Laute jeder Sprache folgt. Sie ist nicht die Stimme eines bestimmten Sprechers und keine Bewertung des Akzents.
Die Werte sind keine GER-Niveaus und folgen nicht den GER-Deskriptoren. Der GER kommt nur in Spellys eigener App vor, um Lernende einzustufen (siehe den letzten Abschnitt).
- Eine Aufnahme erreicht 100 in Genauigkeit, wenn jeder erwartete Laut richtig gehört wurde;
native_likenesserreicht 100 nur, wenn jeder zudem sein muttersprachliches Detail hat. - Ein Wort erreicht 100 in Genauigkeit, wenn jeder seiner erwarteten Laute richtig gehört wurde.
- Ein Laut hat keinen Prozentwert: Er bekommt ein Urteil, unten beschrieben, und eine
confidencevon 0 bis 1. - Es gibt keinen Gesamtwert: Die Werte zu kombinieren bräuchte Gewichte, die jemand wählen müsste.
#Was jeder erwartete Laut bekommt
Der Text wird in seine erwarteten Laute umgewandelt, nach der Referenz oben. Das Modell hört die Aufnahme frei an, und was es gehört hat, wird an den erwarteten Lauten ausgerichtet. Jeder erwartete Laut bekommt ein Urteil:
- Richtig: als der erwartete Laut gehört.
- Nah dran (
is_close): als ein anderer Laut gehört, der mindestens zwei von drei Merkmalen mit dem erwarteten teilt: wo er gebildet wird, wie er gebildet wird und ob die Stimme mitschwingt. /s/ für /z/ ist nah dran. - Anderer Laut: als ein anderer Laut gehört, der weniger teilt.
- Nicht gesagt (
predictedist leer): Nichts, was das Modell gehört hat, wurde ihm zugeordnet. Das ist nicht dasselbe wie Stille: Das Modell hat nichts gehört, das es diesem Laut zuordnen konnte.
Ein gehörter Laut, den der Text nicht hat, ist ein zusätzlicher Laut (is_insertion). Zusätzliche Laute werden mit dem Wort aufgeführt, in dem sie gehört wurden, und senken keinen Wert.
#Sicherheit und schwach gehörte Laute
Die Aufnahme wird außerdem am Text ausgerichtet: Jeder erwartete Laut wird dort platziert, wo er sein sollte, und seine confidence ist die Wahrscheinlichkeit, die das Modell diesem Laut an seiner Stelle gibt, von 0 bis 1. Bei einem zusätzlichen Laut ist confidence, wie sicher sich das Modell bei dem war, was es gehört hat.
Ein nicht gesagter Laut mit einer Sicherheit von 0,15 oder mehr ist schwach gehört (is_faint): Das Modell findet ihn noch an seiner Stelle, schwach. Es ist nur eine Kennzeichnung, und jeder Wert zählt ihn als nicht gesagt.
#Die Werte
Jede Aufnahme bekommt fünf Werte von 0 bis 100, und jedes Wort seine eigene Genauigkeit und Klarheit.
| Wert | Wie er gezählt wird |
|---|---|
| accuracy | Richtig gesagte erwartete Laute ÷ erwartete Laute. |
| completeness | Gesagte erwartete Laute (richtig, nah dran oder anderer Laut) ÷ erwartete Laute. |
| native_likeness | Richtig gesagte erwartete Laute mit ihrem muttersprachlichen Detail (das englische /tʰ/, nicht nur /t/) ÷ erwartete Laute. |
| fluency | Lücken zwischen benachbarten Wörtern ohne einen Halt von 250 ms oder mehr ÷ gezählte Lücken. Eine Lücke reicht vom Ende eines Wortes bis zum Anfang des nächsten. Eine Lücke neben einem Wort, das die Ausrichtung nicht zeitlich platzieren konnte, wird nicht gezählt. Wird keine Lücke gezählt (ein einzelnes Wort, oder keine zwei benachbarten Wörter mit Zeitangaben), ist die Flüssigkeit null. |
| clarity | Der Median der Sicherheit über die gehörten Laute, zusätzliche Laute eingeschlossen. |
| analyzed_text[].accuracy | Richtig gesagte erwartete Laute des Wortes ÷ seine erwarteten Laute. |
| analyzed_text[].clarity | Der Median der Sicherheit über die im Wort gehörten Laute. |
#Rundung
Die Werte einer Aufnahme werden auf die nächste ganze Zahl gerundet, Hälften aufgerundet: 157 richtige Laute von 200 sind 78,5, angegeben als 79. Die Zählungen werden vor dem Runden exakt geteilt, sodass eine Hälfte genau eine Hälfte ist. Wortwerte werden ungerundet angegeben.
#Was die Werte nicht erfassen
- Flüssigkeit zählt Halte zwischen Wörtern, nicht das Tempo.
- Auch Muttersprachler halten an, bei Kommas und zwischen Satzteilen, deshalb ist eine Flüssigkeit unter 100 an sich kein Fehler.
#In Spellys App
Spellys eigene App zeigt diese Werte mit einer Ergänzung für eingestufte Lernende: Ein naher Laut bringt einen Teil eines Punktes, einen ganzen Punkt auf A1 bis keinen auf C2. Die API gibt die Werte immer so an, wie sie auf dieser Seite definiert sind.
Fragen?
Erzähl uns, was du vorhast, und wir melden uns bei dir.