Empieza aquí
Definiciones de las puntuaciones
Cada puntuación se cuenta a partir de los sonidos de la grabación, sin pesos ni ajustes. Esta página da cada una como una fórmula, para que cualquier número de una respuesta se pueda comprobar a mano.
Estas definiciones se aplican a toda grabación puntuada desde el 18 de noviembre de 2026.
#La referencia y qué significa 100
Cada puntuación compara la grabación con una sola referencia: la pronunciación estándar de la variante de idioma que indica la llamada (inglés británico o estadounidense, el español de España, etc.), tal como la recoge la referencia de pronunciación de Spelly, que sigue descripciones publicadas de los sonidos de cada idioma. No es la voz de un hablante concreto ni una valoración del acento.
Las puntuaciones no son niveles del MCER ni siguen sus descriptores. El MCER solo aparece en la app de Spelly, para situar a un alumno (ver la última sección).
- Una grabación obtiene 100 en precisión cuando cada sonido esperado se oyó bien;
native_likenesssolo llega a 100 cuando además cada uno tiene su detalle nativo. - Una palabra obtiene 100 en precisión cuando cada uno de sus sonidos esperados se oyó bien.
- Un sonido no tiene porcentaje: recibe un veredicto, descrito abajo, y una
confidencede 0 a 1. - No hay puntuación global: combinar las puntuaciones exigiría pesos que alguien tendría que elegir.
#Qué recibe cada sonido esperado
El texto se convierte en sus sonidos esperados, según la referencia de arriba. El modelo escucha la grabación libremente, y lo que oyó se alinea con los sonidos esperados. Cada sonido esperado recibe un veredicto:
- Bien: se oyó como el sonido esperado.
- Cercano (
is_close): se oyó como otro sonido que comparte al menos dos de tres rasgos con el esperado: dónde se articula, cómo se articula y si vibran las cuerdas vocales. /s/ por /z/ es cercano. - Otro sonido: se oyó como otro sonido que comparte menos.
- No dicho (
predictedvacío): nada de lo que oyó el modelo se alineó con él. No es lo mismo que silencio: el modelo no oyó nada que pudiera emparejar con este sonido.
Un sonido oído que el texto no tiene es un sonido de más (is_insertion). Los sonidos de más se listan con la palabra en la que se oyeron y no bajan ninguna puntuación.
#Confianza y sonidos débiles
La grabación también se alinea con el texto: cada sonido esperado se sitúa donde debería estar, y su confidence es la probabilidad que el modelo da a ese sonido en su lugar, de 0 a 1. Para un sonido de más, confidence es lo seguro que estaba el modelo de lo que oyó.
Un sonido no dicho cuya confianza es 0,15 o más es un sonido débil (is_faint): el modelo aún lo encuentra en su lugar, débilmente. Es solo una etiqueta, y todas las puntuaciones lo cuentan como no dicho.
#Las puntuaciones
Cada grabación recibe cinco puntuaciones de 0 a 100, y cada palabra su propia precisión y claridad.
| Puntuación | Cómo se cuenta |
|---|---|
| accuracy | Sonidos esperados dichos bien ÷ sonidos esperados. |
| completeness | Sonidos esperados dichos (bien, cercanos u otro sonido) ÷ sonidos esperados. |
| native_likeness | Sonidos esperados dichos bien con su detalle nativo (la /tʰ/ inglesa, no solo /t/) ÷ sonidos esperados. |
| fluency | Huecos entre palabras vecinas sin una parada de 250 ms o más ÷ huecos contados. Un hueco va del final de una palabra al inicio de la siguiente. No se cuenta un hueco junto a una palabra que la alineación no pudo situar en el tiempo. Si no se cuenta ningún hueco (una sola palabra, o ningún par de palabras vecinas con tiempos), la fluidez es null. |
| clarity | La mediana de la confianza de los sonidos oídos, incluidos los de más. |
| analyzed_text[].accuracy | Sonidos esperados de la palabra dichos bien ÷ sus sonidos esperados. |
| analyzed_text[].clarity | La mediana de la confianza de los sonidos oídos en la palabra. |
#Redondeo
Las puntuaciones de una grabación se redondean al número entero más cercano, las mitades hacia arriba: 157 sonidos bien de 200 es 78,5, que se da como 79. Los recuentos se dividen de forma exacta antes de redondear, así que una mitad es exactamente una mitad. Las puntuaciones de palabra se dan sin redondear.
#Lo que las puntuaciones no cuentan
- La fluidez cuenta las paradas entre palabras, no la velocidad.
- Los hablantes nativos también se paran, en las comas y entre frases, así que una fluidez por debajo de 100 no es un error en sí misma.
#En la app de Spelly
La app de Spelly muestra estas puntuaciones con un añadido para un alumno situado en un nivel: un sonido cercano vale parte de un punto, un punto entero en A1 y nada en C2. La API siempre da las puntuaciones tal como se definen en esta página.
¿Preguntas?
Cuéntanos qué tienes en mente y te responderemos.