不止朗读：英语发音评测高阶题型全解析

我们已经了解到，DolphinSOE 的发音评测能力包括单词、句子、段落等一系列基础题型，能够在朗读场景下进行多个维度的发音评测。但真要衡量口语能力，光会朗读远远不够。例如，围绕一个主题组织观点、根据材料进行复述，或与 AI 口语陪练自由聊天……这些场景里，用户根本没有标准答案可以照着念，基础题型无法满足需求。这时，我们就需要接入英文高阶题型。

基础题型中的文本朗读与高阶题型中的自主表达对比

高阶题型和基础题型，区别在哪？

在之前的文章中，我们讲过了英语发音评测基础题型的相关概念，那么高阶题型又是什么呢？用一句话来概括二者的区别：基础题型是”按提示的参考文本读出来“，高阶题型是”把脑海里的内容表达出来“。

基础题型评的是发音和参考文本的贴合度——你读得是否完整、标准、流利。而高阶题型里，绝大多数都没有固定 refText，评测对象进一步提高为表达的内容本身质量如何。因此，高阶题型的题目通常具有一定复杂度，需要一定的理解、表达能力，也因此一般不面向儿童用户，也就不提供专用的儿童模型。

问答题（qa）：“关键词+陷阱词”组合，既考发音又考理解

问答题解决的场景特别常见：情景问答、角色扮演、口头回答。本质是"半开放"回答，用户可以围绕关键词来进行回答。

比如有下面这道例题：

请阅读以下材料：

Surtsey was born in 1963. Scientists saw the birth of this island. It began in the morning. A fishing boat was near Iceland. The boat moved under the captain's feet. He noticed a strange smell. He saw some black smoke. A volcano was breaking out.

阅读后请回答问题：What is Surtsey?

【参考答案】

It's an island.

It's an island near Iceland.

It's an island not far from Iceland.

对于这道题，如果我们理解了阅读材料，就会知道“Surtsey”是一个岛屿的名字。这里的陷阱在第一句，我们通常习惯说“Somebody was born in ...”，因此可能有用户会理解成“Surtsey”是一个人物的名字。因此我们在设计题型参数时，除了提供参考答案，还可以编写两组词：

• keyword（正确关键词）：命中关键词则得分。比如这道题，可以设置关键词为 island。
• distractorKeyword（陷阱答案）：命中陷阱词，则扣分。在这道题里，我们可以设置陷阱词为 scientist 和 captain，一旦用户脱口而出 "It's the name of a scientist"，就正好落入陷阱。

对于这道题，完整的题型参数设计如下：

{
  "mode": "qa",
  "answer": [
    { "text": "It's an island." },
    { "text": "It's an island near Iceland." },
    { "text": "It's an island not far from Iceland." }
  ],
  "keyword": [
    { "text": "island" }
  ],
  "distractorKeyword": [
    { "text": "scientist|captain" }
  ]
}

系统将在判断用户回答正确与否的基础上，进一步对发音进行评分。由此，我们就可以通过一道问答题，对用户“是否理解内容”和“发音是否准确”同时进行评价。

问答题的评分维度有 overall / fluency / accuracy / integrity 等，这些分数的含义在《发音评测 API 的工作原理》这篇文章里已经介绍过，此处不再赘述。

看图说话/话题描述（topic）与口头作文（op）：从“看图说话”到“雅思口语 Part 2”

这两个题型类似，但又有不同，这里对比分析一下。

• topic（看图说话）：提供一段文本或一组图，让用户讲出来。在这个题型里也可以传 point（关键要点），但注意 point 只用于统计命中，不影响评分。它返回的 hitPoint 可以用于 UI 反馈哪些要点说到了，但分数还是按整体发音和匹配度来计算。
• op（oral presentation，口头作文）也是类似的场景，也可以传入 point，但命中要点的数量会影响总分。

对做留学语培产品的团队来说，这两个题型可以承载围绕主题组织表达的练习。选择时，关键是确定要点命中是否需要参与评分。

复述与背诵（retell / recite）：要点重现 VS 逐字复现

这两个题型考查的其实是同一件事：用户需要把听到或看到的内容尽可能地还原出来。但二者也存在些许差异。

• retell（故事复述）的场景是：提供一段文本或播放一段音频，要求用户看完/听完之后复述出来。在复述过程中，考察用户的发音情况，以及对于故事情节的理解和要点重现能力。因此也提供了和 topic 题型一样的 point 参数，用于统计关键点命中情况、但不计入总分。
• recite（背诵）是高阶题型里唯一具有固定参考文本 refText 的题型，和基础题型类似。但区别在于，它支持的音频时长更长，达到 600 秒，且重点关注背诵场景下的完整度、流利度。

选择题 / 扩展选择题 / 选读题：需要用户“做选择”

在口语考试中，同样可以做“选择题”，这里考的是“理解 + 选择 + 发音”三合一。

• choice（选择题）：读出正确的选项内容才得分，对应的场景就是“理解问题，说出正确答案”。
• extchoice（扩展选择题）：在 choice 基础上增加了关键词和陷阱词，适合“选择正确选项 + 自由扩展句式”的复合场景，比如将选出的答案补充成完整句子。
• elective（选读题）：提供多句文本，可选择其中一句朗读，系统拿匹配度最高的那句作为评测对象，返回所选的句子序号。

如果简单考察“是否理解、是否选对”，那么用 choice 最直接。如果想在选项之外再让用户发挥扩展，那么用 extchoice。而对于“请在这几句里挑你最有把握的一句读”之类的减压式练习，则适用 elective ，降低开口门槛。

自由说 / 全开放问答 / 语法纠错：没有答案，怎么打分

在口语考试中，我们经常面对的一个题型是命题演讲。这类问题完全没有标准答案，那该怎么评分呢？这里我们对应提供三个新题型：

• freedom（自由说）：完全自由，没有参考文本，没有内容范围，用户想到什么说什么，关注发音准确度和流利度。
• freedompro（全开放问答）：无参考文本的综合评测。需要提供一个主题 questionPrompt，就可以评估得到 relevancy（切题程度）。
• freedomgec（语法纠错）：返回的 grammar 对象里带 corrected（纠正后文本）、explain（解释）、type（有没有错误）。等于每句话说完，系统顺手给你改一句语法，相当于一个轻量"语法老师"。

这三个题型基本就是 AI 口语陪练类产品的能力底座。从敢说（freedom）、到说对（freedomgec）、再到说得切题（freedompro），三个层次全面覆盖。

你的场景到底该用哪个题型？

一张表看懂 11 种高阶题型怎么选：

如果你还不确定要用哪种题型，那么可以问自己两个问题：

1. 用户是在“照着念”还是在“自主表达”？
   • 照着念 → 请在基础题型里寻找合适的题型
   • 自主表达 → 高阶题型，继续看下一个问题
2. 有没有标准答案/要点？
   • 有 → 用 qa、topic、op、retell 等题型
   • 没有 → 用 freedom、freedompro 等题型

无论是基础题型还是高阶题型，在 SDK 中都通过 mode 字段选择题型，并按所选题型配置所需参数。以 Android SDK 为例，如果使用 freedom 题型，那么使用 json.put("mode", "freedom") 就可以了。如果还有不清楚的地方，可以再回顾一下《10 分钟接入：集成发音评测 Android SDK》这篇文章。

接入 DolphinSOE

DolphinSOE 已经在日本市场稳定运行，日均调用约 10 万次（100k calls/day），客户覆盖外语学习 App、学校以及各类课外教育机构。英文高阶题型这套能力，正是支撑这些场景的产品底座。