Pour commencer
Définitions des scores
Chaque score est compté à partir des sons de l’enregistrement, sans pondération ni ajustement. Cette page donne chacun sous forme de formule, pour que tout chiffre d’une réponse puisse être vérifié à la main.
Ces définitions s’appliquent à tout enregistrement évalué depuis le 18 novembre 2026.
#La référence, et ce que veut dire 100
Chaque score compare l’enregistrement à une seule référence : la prononciation standard de la variante de langue indiquée par l’appel (anglais britannique ou américain, l’espagnol d’Espagne, etc.), telle que l’écrit la référence de prononciation de Spelly, qui suit des descriptions publiées des sons de chaque langue. Ce n’est ni la voix d’un locuteur en particulier, ni une note d’accent.
Les scores ne sont pas des niveaux du CECRL et ne suivent pas ses descripteurs. Le CECRL n’apparaît que dans l’application de Spelly, pour situer un apprenant (voir la dernière section).
- Un enregistrement obtient 100 en précision quand chaque son attendu a été entendu correctement ;
native_likenessn’atteint 100 que si chacun a aussi son détail natif. - Un mot obtient 100 en précision quand chacun de ses sons attendus a été entendu correctement.
- Un son n’a pas de pourcentage : il reçoit un verdict, décrit plus bas, et une
confidencede 0 à 1. - Il n’y a pas de score global : combiner les scores demanderait des pondérations que quelqu’un devrait choisir.
#Ce que reçoit chaque son attendu
Le texte est transformé en ses sons attendus, d’après la référence ci-dessus. Le modèle écoute l’enregistrement librement, et ce qu’il a entendu est aligné sur les sons attendus. Chaque son attendu reçoit un verdict :
- Correct : entendu comme le son attendu.
- Proche (
is_close) : entendu comme un autre son qui partage au moins deux traits sur trois avec le son attendu : l’endroit où il se forme, la façon dont il se forme, et si la voix vibre. /s/ pour /z/ est proche. - Autre son : entendu comme un autre son qui en partage moins.
- Non prononcé (
predictedest vide) : rien de ce que le modèle a entendu n’a été aligné avec lui. Ce n’est pas la même chose qu’un silence : le modèle n’a rien entendu qu’il puisse associer à ce son.
Un son entendu que le texte n’a pas est un son en trop (is_insertion). Les sons en trop sont listés avec le mot où ils ont été entendus et ne font baisser aucun score.
#Confiance et sons faibles
L’enregistrement est aussi aligné sur le texte : chaque son attendu est placé là où il devrait être, et sa confidence est la probabilité que le modèle donne à ce son à sa place, de 0 à 1. Pour un son en trop, confidence indique à quel point le modèle était sûr de ce qu’il a entendu.
Un son non prononcé dont la confiance est de 0,15 ou plus est un son faible (is_faint) : le modèle le trouve encore à sa place, faiblement. Ce n’est qu’une étiquette, et chaque score le compte comme non prononcé.
#Les scores
Chaque enregistrement reçoit cinq scores de 0 à 100, et chaque mot sa propre précision et sa propre clarté.
| Score | Comment il est compté |
|---|---|
| accuracy | Sons attendus prononcés correctement ÷ sons attendus. |
| completeness | Sons attendus prononcés (correctement, proches ou autre son) ÷ sons attendus. |
| native_likeness | Sons attendus prononcés correctement avec leur détail natif (le /tʰ/ anglais, pas seulement /t/) ÷ sons attendus. |
| fluency | Espaces entre mots voisins sans arrêt de 250 ms ou plus ÷ espaces comptés. Un espace va de la fin d’un mot au début du suivant. Un espace à côté d’un mot que l’alignement n’a pas pu situer dans le temps n’est pas compté. Si aucun espace n’est compté (un seul mot, ou aucune paire de mots voisins minutée), la fluidité vaut null. |
| clarity | La médiane de la confiance des sons entendus, sons en trop compris. |
| analyzed_text[].accuracy | Sons attendus du mot prononcés correctement ÷ ses sons attendus. |
| analyzed_text[].clarity | La médiane de la confiance des sons entendus dans le mot. |
#Arrondi
Les scores d’un enregistrement sont arrondis au nombre entier le plus proche, les moitiés vers le haut : 157 sons corrects sur 200 font 78,5, donné comme 79. Les comptes sont divisés exactement avant d’arrondir, si bien qu’une moitié est exactement une moitié. Les scores de mot sont donnés sans arrondi.
#Ce que les scores laissent de côté
- La fluidité compte les arrêts entre les mots, pas la vitesse.
- Les locuteurs natifs s’arrêtent aussi, aux virgules et entre les groupes de mots : une fluidité inférieure à 100 n’est donc pas une erreur en soi.
#Dans l’application de Spelly
L’application de Spelly affiche ces scores avec un ajout pour un apprenant situé à un niveau : un son proche rapporte une partie de point, un point entier en A1 et rien en C2. L’API donne toujours les scores tels qu’ils sont définis sur cette page.
Des questions ?
Dis-nous ce que tu as en tête et nous te répondrons.