10分で導入：発音評価 Android SDK を組み込む

語学学習アプリを開発しようとしているなら、DolphinSOE の機能を理解した後、すぐに開発を始めたいと思うはずです。DolphinSOE では複数の開発言語向け SDK を用意しており、開発者が発音評価機能をすばやく組み込めるようにしています。この記事では Android SDK を例に、スコアを返す英語発音評価 Demo を10分で動かすまでの手順を一つずつ紹介します。

DolphinSOE Android Demo の実行画面

Android に発音評価を組み込むのは、本当に10分でできる？

最小構成で動作する Demo であれば、本当に10分で実行できます。認証情報を申請し、SDK を追加し、エンジンを初期化して、1回録音してスコアを取得します。ただし、Demo が動いたからといって、そのまま本番環境へリリースできるわけではありません。本番リリースには、問題集の準備、業務用 UI の開発、例外処理なども必要です。

Demo を動かすだけだとしても、このプロセスは多くの人が想像するよりはるかに簡単です。DolphinSOE の Android SDK は、録音、Token の管理、音声の送信、採点結果の取得までの一連の処理を、クライアント側の数行の呼び出しにまとめています。ゼロから始める場合、おおよその手順は次のとおりです。

日本語の導入フロー

中国語の導入フロー

開発環境を準備して、一緒に始めましょう。

2分でテスト利用を申請

DolphinSOE のテスト利用手続きはとても簡単です。

• ① テスト利用を申請する： 公式サイトの「お問い合わせ」フォームを送信します。
• ② 自動返信メールを受け取る： わずか数秒で、試用用の appid / appsecret が記載されたメールが自動返信されます。このテスト認証情報は英語・日本語・中国語の発音評価に対応し、最大2同時接続を利用できます。ローカルデバッグや1台の端末でのデモには十分です。メールには SDK のダウンロード先とAPI ドキュメントも記載されています。Android SDK はダウンロードして展開すれば、そのまま使用できます。

ダウンロードした Demo プロジェクトには完全なテスト画面が用意されており、録音、音声再生、スコア表示などの基本機能がすでに実装されています。開発者が UI をゼロから作る必要がなく、組み込みとデバッグを効率よく進められます。

3ステップで最初の発音評価を実行

英語の基本評価モードを例にすると、Demo では組み込みを3ステップにまとめています。

Step 1 · SDK ファイルを配置する。 圧縮ファイル内の .aar ファイルを、プロジェクトの app/libs ディレクトリに配置します。対象端末のアーキテクチャ（x86 / ARM）に対応する aar パッケージを選択してください。

Step 2 · 認証情報を入力する。 プロジェクトの MainActivity.java を開き、メールで受け取った appid / appsecret を次の2つの定数に入力します。

// MainActivity.java
private static final String appIdEn = "";     // ← メールに記載された appid を入力
private static final String appSecretEn = ""; // ← メールに記載された appsecret を入力

Step 3 · ビルドして実行する。 実際に Demo を起動し、テスト画面で評価モードを選びます。録音を開始し、課題文を読み、録音を終了すると、すぐにスコアが表示されます。

これで、最もシンプルな発音評価 Demo が動きました。本当に簡単ではないでしょうか。

次に発音評価 SDK を自分のアプリへ組み込みたい場合は、続けて以下をご覧ください。

Demo の裏側では何をしている？

Demo のテスト画面ではなく、自社の業務 UI に発音評価を組み込む場合は、エンジンの初期化フローを理解する必要があります。具体的な処理は EvalLogic.java にあります。

// 1) エンジンのシングルトンを作成
SpeechEval eval = SpeechEval.createInstance(this);

// 2) 基本設定
eval.setSampleRate(16000);                       // サンプリングレートは 16000 固定
eval.setListener(evalListener);                  // EventListener を実装し、結果／エラーイベントを受信
eval.setInitLanguageEn(SpeechEval.InitSettingOnline.OralOnLine); // オンライン評価モードに設定

// 3) シングルトンを初期化
eval.setServerAPI("api.soe.dolphin-ai.jp");
eval.init(appIdEn, appSecretEn, "user01");

初期化結果は engineInitState コールバックで返ります。成功コードは "00000" です。代表的な失敗コードは、13010（ネットワーク権限がない）、11011（署名エラー）、11013（appId が存在しない）です。開発やデバッグでは、返されたコードとステータスコード一覧を照らし合わせて、問題を切り分けてください。

1回の評価ではどのパラメータを設定する？

1回の評価で使用するパラメータは、共通パラメータと評価モードパラメータの2種類に分かれます。

• 共通パラメータ： 接続方法、使用する言語、採点ルールを指定します。セッション全体に適用される設定で、「何を評価するか」には依存しません。
• 評価モードパラメータ： 今回の問題で何をどのように評価するかを指定します。評価タスク、つまりリクエストごとの設定で、中心となるのは「評価モードの選択＋参照回答の指定」です。

Demo を動かすときは、UI.java に言語の langType やサンプリングレートの sampleRate など、関連する共通パラメータがすでに設定されています。パラメータを設定する場合は、SpeechEval クラスが提供する対応する set メソッドを使用します。ここで、クラウドに音声データを保存したくない場合は setAudioUrl(false) を呼び出してください。クラウドに音声を保存する場合は setAudioUrl(true) を設定します。音声のダウンロード URL が評価結果とともに返り、クラウドに保存されたデータは30日後に自動削除されます。

評価モードパラメータは setParamsJson で渡します。

JSONObject json = new JSONObject();
json.put("mode", "word");              // 評価モード：word / sentence / chapter など
json.put("refText", "good morning");  // 参照テキスト。エンジンはこの内容に基づいて採点
eval.setParamsJson(json);

参照テキストの構成方法や評価の粒度は、評価モードによって大きく異なります。各モードの時間制限、refText、評価項目の違いについては、英語発音評価の基本モードに関する記事で体系的に解説しています。完全なパラメータ一覧は、英語単語モードを例にしたAPI ドキュメントを参照してください。

最後に、評価ごとに userId を渡すことをおすすめします。値は自由に設定でき、Demo では "user01" を使用しています。userId は評価結果にそのまま返されるため、問題調査やデータ追跡に役立ちます。

録音を開始して評価結果を受け取るには？

設定が完了したら、評価を開始する方法は2つあります。

• 録音方式： createRecorder() でレコーダーを作成し、start(recorder, startListener) で開始します。ユーザーが読み終えたら stop() を呼んで終了します。後方無音検出を有効にして、自動で停止させることもできます。startListener は開始／終了状態を監視し、より安定した体験を実現します。
• ファイル送信方式： start(wavPath, startListener) を呼び出して、既存の音声ファイルを直接評価します。ファイルは 16000 Hz / 16 Bit / モノラルの WAV または PCM である必要があります。送信後は自動的に終了するため、stop() を呼ぶ必要はありません。

途中で中止する場合は cancel() を呼び出します。キャンセルした評価から結果は返りません。

結果は onResult コールバックに JSON 文字列として返ります。

eval.setListener(new SpeechEval.EventListener() {
    @Override
    public void onResult(String result, boolean online) {
        // result は JSON 文字列。各評価項目のスコアを解析する
        // 詳細な形式は API プロトコルのドキュメントを参照
    }
    @Override
    public void onWarning(String taskId, String code, String msg) {
        // Warning イベントを処理
    }
    @Override
    public void onError(String taskId, String code, String msg) {
        // Error イベントを処理
    }
});

コールバックは Warning（警告）と Error（エラー）の2種類に分かれます。Warning が発生しても、音量が小さすぎる、録音時間が短すぎるといった場合は、通常どおり評価結果が返ります。Error はタスクが異常終了したことを示し、必須パラメータがない、認証情報が無効といった場合は、スコアが返りません。

中国語の結果コールバックフロー

日本語の結果コールバックフロー

まとめ

ここまでで、DolphinSOE Android 発音評価 SDK の基本的な組み込みフローを理解し、完全な発音評価 Demo をすばやく動かせるようになったはずです。

DolphinSOE の発音評価は海外の教育現場で導入・検証されており、語学学習アプリ、学校、学習塾など、さまざまな教育機関で利用されています。1日あたり約 **10万回（100k calls/day）**の評価リクエストを支え、同時利用の多い実際の教育現場でも安定して稼働しています。

SDK の組み込みは最初の一歩にすぎません。発音評価の価値を十分に引き出すには、自社の事業に合わせて学習者に適した練習フローを設計し、採点機能を実践的な発音トレーニング体験へ変えていく必要があります。組み込み中に問題が発生した場合は、関連する API ドキュメントを確認するか、お問い合わせのうえ技術サポートをご利用ください。