为外籍员工设计日语培训,或在日语学习应用中加入自动评分时,大家首先关心的往往是:接口究竟会返回什么?只有一个总分,还是能指出哪个音读错了、错在哪里?答案会直接影响学习界面的设计,以及教师如何介入指导。
本文介绍 DolphinVoice/株式会社DolphinAI 提供的发音评测 API「DolphinSOE」日语引擎,逐项说明支持的评测单位和返回指标,并列出 API 文档中的字段名,方便开发者对照接口。文章也会说明发音评测的能力边界,以及使用分数时需要注意的事项。
阅读前提
- 本文依据截至 2026 年 11 月的公开信息,包括产品页面、API 文档及 2025 年 12 月 16 日的新闻稿。
- 本文由 DolphinSOE 的提供方撰写。与其他日语发音评测 API 的比较,另文《调研日语发音评测的实现方案》按相同标准整理。
发音评测 API 能量化什么,不能量化什么
发音评测 API 接收学习者朗读指定文本的音频,将其与标准发音比较后返回分数。输入有两项:学习者的音频,以及应当朗读的内容,也就是参考文本。
由此可以明确区分它能测量和不能测量的内容。
发音评测 API 可测量的指标与能力边界对照| 能测量的内容 | 不能测量的内容 |
|---|---|
| 是否按参考文本准确发音(准确度) | 自由表达的内容是否恰当,词汇和语法是否正确 |
| 朗读是否顺畅、停顿方式及语速(流畅度) | 对话互动是否自然,是否能根据交流对象调整表达 |
| 是否漏读或重复(完整度、朗读错误类型) | 日语能力的官方证明,不能替代法定考试或在留资格要求 |
| 哪个文字、哪个音导致得分下降(文字和音素级结果) | |
| 重音的高低是否接近示范(重音得分) |
如果需要评价自由会话的内容,更适合使用结合语音识别与大语言模型的口语测试;我们的 NihongoScore 属于这一类。发音评测 API 则专注于朗读练习,细致指出“哪里不同、有什么不同”。
三种评测单位
DolphinSOE 日语引擎支持单词、短句(句子)和篇章三个层级,通过请求中的题型代码 mode 切换。
单词、短句和篇章三个层级及对应的评测结果| 单位 | 题型代码 | 朗读内容 | 发音时长 | 主要用途 |
|---|---|---|---|---|
| 单词 | word | 单词、简短词组、假名 | 最长 210 秒 | 问候语、数字、业务术语,以及薄弱发音的重复练习 |
| 短句(句子) | sentence | 一句至数句 | 最长 400 秒 | 接待用语、安全确认、汇报常用句 |
| 篇章 | chapter | 段落或连贯文章 | 最长 400 秒 | 朗读说明和报告,观察长段发音的稳定性 |
时长上限依据 2026 年 11 月 16 日更新的 API 文档。
单词评测:观察每个音的准确度
引擎将“か”“き”“く”等单个音(音素)与标准发音比较,给出准确度分数,同时检测漏读和重复。词库收录了日语学习中常用的数千个词;其他词也可以通过参考文本直接提交评测,无需预先训练。
短句评测:增加流畅度与停顿信息
在句子层级,除了准确度,还会返回朗读是否顺畅(流畅度)、停顿次数和语速。总分从准确度、流畅度和完整度几个方面计算。
篇章评测:逐句观察较长的发音
对于段落或数分钟的文章,接口除了返回整体分数,还会返回逐句结果 sentenceInfo。默认按“。”“?”“!”等句末标点断句,也可以设置为仅按换行断句。这有助于发现长篇朗读后半段得分下降,或某一句漏读较多等情况。
接口返回哪些评测指标
以下按 API 文档中的字段名整理实际返回项。分数范围由 scale 设置,取值为 1~100,默认满分 100 分。
整体分数
| 指标 | 字段名 | 含义 | 使用场景 |
|---|---|---|---|
| 总分 | overall | 整体发音得分 | 学习进度曲线、阶段性参考 |
| 准确度 | accuracy | 与标准发音的接近程度 | 观察发音本身的掌握情况 |
| 流畅度 | fluency.overall | 是否流畅地完成朗读 | 句子与篇章练习的评价 |
| 停顿次数 | fluency.pause | 发音过程中的停顿数量 | 识别过度断句和迟疑 |
| 语速档位 | fluency.speed | 慢(0)、正常(1)、快(2)三个档位 | 提示语速过快或过慢 |
| 完整度 | integrity | 完成参考文本朗读的程度 | 观察漏读情况 |
| 重音 | tone | 整段发音的重音高低得分 | 观察重音掌握情况及薄弱词汇 |
| 每分钟词数 | wpm | 每分钟朗读的词数 | 跟踪语速变化 |
| 录音时长 | waveTime | 实际录音长度,单位为毫秒 | 判断是否需要重新录音 |
文字和词级结果:characters
参考文本中的每个文字或词会返回以下信息:
- refText/hypothesis:应当朗读的文字或词,以及实际读出的内容。
- overall/accuracy:该文字或词的总分与准确度;句子评测还会返回
fluency和integrity。 - type:朗读类型,例如正常朗读、漏读等,下文会逐项说明。
- ref_tone/tone_score:词典中的重音类型,以及该词的重音得分。
- startTime/endTime:在录音中的位置,单位为毫秒。学习界面可以据此单独播放对应片段。
音素级结果:phonemes
请求中将 phonemes 设为 true 后,接口会返回文字或词内部的音素级结果。
- phoneme/pron:音素的平假名与片假名表示。
- score:该音素的发音得分。
- hypothesis:实际发出的音。
- tone:示范音的高低,0 为低、1 为高。
- startTime/endTime:在录音中的位置,单位为毫秒。
日语音素大致接近一个假名的单位。API 文档的音素对应表也将“ん”“っ”“ー”分别作为独立单位处理。
音频质量:audioInfo
接口还会返回录音的噪声情况 snr、削波 clip 和音量 volume。当得分较低时,这些值有助于区分是发音问题还是录音环境问题,也可用于判断是否应提示学习者“请到安静的地方重新录音”。
四种朗读类型
文字和词级结果中的 type 包含以下值。除了分数,它还说明朗读出现了哪类情况,便于应用给出有针对性的反馈。
normal、delete、repeat、oov 四种朗读类型及对应的学习反馈| type | 含义 | 学习界面的反馈示例 |
|---|---|---|
| normal | 正确读出,或已读出但发音不标准 | 不特别标记,或按得分使用不同颜色 |
| delete | 漏读 | 突出显示漏掉的文字 |
| repeat | 重复朗读同一部分 | 记录重复或重读情况 |
| oov | 词典中没有该词,且无法自动确定读音,因此不能评分 | 指定读音后重新评测,方法见下文 |
日语特有的处理方式
拨音、促音和长音也分别评测
“ん”“っ”“ー”等音构成日语的拍节奏,也容易成为母语中没有这些音的学习者的难点。DolphinSOE 将其作为音素单位处理,因此可以查看“きって(切手)”中的“っ”、或“せんせい”中的“ん”等具体位置的得分。
重音同时返回示范信息和得分
文字和词级的 ref_tone 表示词典中的重音类型。常见写法中,平板型记为“◎”;存在下降位置的类型用“①~⑥”表示在哪一拍之后降低。API 中使用 "0"~"6",有多种类型的词则可能返回 "0/1"。音素级的 tone 进一步给出各拍的示范高低。自 2026 年 11 月更新的引擎起,接口还返回学习者发音的重音得分:整段得分使用 tone,词级得分使用 characters 中的 tone_score。
这些信息可用于在学习界面展示“这个词是头高型”或“哪一拍应读高音”。日语的高低重音无法直接从文字中看出,可视化示范能减少教材制作中的处理工作。结合得分,还可以指出哪些词的重音与示范存在偏差。
可以指定读音
日语中有同一汉字对应多种读音的词,也有词典未收录的专有名词或业务术语。在参考文本中指定读音,即可按预期读法评测。
- 为单个文字标注读音:
私(わたくし)は日本料理が大好きです。 - 为多个文字标注读音:
[明日](あす)の試合は… - 通过请求参数
pronunciation传入词与读音的对应关系。
被标记为 oov、无法评分的词,也可以用这种方式指定读音后评测。
如何使用这些分数
比较前统一设置。 评分宽松度 looseness 为 0~9,值越大越宽松;分数范围 scale 和分数调整系数 ratio(0.8~1.5)也可以修改。比较培训前后或不同学习者的结果时,应使用相同设置。
统一录音条件。 音频应为单声道、16 kHz。噪声和削波会影响分数;根据 audioInfo 提示重新录音,有助于减少评分波动。
不要仅凭分数作出人事决定。 发音评测用于培训诊断和学习支持。招聘、岗位安排等重要决定不应仅根据分数自动作出,还需要教师或负责人审核。
不能替代官方考试。 育成就劳制度等制度要求的日语能力,需要通过制度规定的考试或培训满足。相关内容另文《育成就劳制度 2027:日语教育义务化对培训系统开发提出哪些要求》作了整理。
培训中的三个使用场景
| 场景 | 评测单位 | 关注指标 | 使用方式 |
|---|---|---|---|
| 入职前的基础练习 | 单词 | 音素级 score、type | 评测问候语、数字和业务术语,找出每个人需要复习的音 |
| 入职后的现场用语 | 短句(句子) | overall、fluency、integrity | 定期评测安全确认、接待和汇报常用句,记录掌握情况 |
| 说明与汇报练习 | 篇章 | 逐句结果、停顿次数、语速 | 朗读较长说明,检查停顿和速度,练习更易理解的表达 |
学习应用可以按音素得分给文字着色,按错误类型显示不同提示,通过 ref_tone 和 tone 展示重音示范,再用 tone_score 标出重音偏离的词。
学习界面示例:文字按得分着色,并展示音素得分和重音高低示范;图中数值仅用于说明在体验演示中查看实际结果
无需登录的体验演示可以帮助你了解这些结果的实际呈现方式。通过浏览器麦克风录音后,几秒内即可看到总分和音素级结果。日语支持假名、单词、句子和篇章四种体验。
使用条件
据我们 2026 年 8 月博客披露,日语发音评测每天约被调用 10 万次。日语引擎包含在 Pro 套餐中,截至 2026 年 11 月的价格如下,均为未税价格:
- 每月 100,000 日元,包含 20 万次调用。
- 超出部分每次 0.5 日元。
- 合同期为 12 个月。
- 同一合同也可使用英语发音评测。
API 的调用方式,包括认证、请求构造和结果读取,将在接入指南文章中逐步介绍。
常见问题
可以评价自由表达的日语吗?
发音评测 API 评价的是对照参考文本的朗读。如果需要评价自由表达中的词汇、语法和逻辑性,可以考虑日语口语测试 NihongoScore。
可以用这一评测满足育成就劳制度的日语要求吗?
不可以。DolphinSOE 用于培训中的发音诊断和学习支持,不能替代官方考试、法定培训、日语能力证明或在留资格相关判断。
可以集成到手机应用中吗?
除了 HTTP API,还提供 Android、iOS、Flutter 和浏览器(H5)等 SDK。日语评测需要在线使用。
可以调整评分的严格程度吗?
可以。looseness 可设置为 0~9,ratio 可设置为 0.8~1.5。可以按学习者水平调整,但比较结果时应保持设置一致。
词典中没有的内部术语可以评测吗?
可以在参考文本中标注读音,或通过参数指定读音后进行评测。
体验日语发音评测
无需登录,即可查看实际返回的评测结果。
使用自己的教材和音频开展技术评估
如需使用自己的教材或学习者音频比较评测效果,请联系我们。
本文依据截至 2026 年 11 月的公开信息。规格和价格可能变化,请以产品页面及 API 文档的最新信息为准。
参考资料
- PR TIMES《日本发起的日语 AI 发音评测功能上线》,2025 年 12 月 16 日:新闻稿。
- DolphinVoice 日语发音评测 API 产品页面。
- DolphinSOE API 文档:日语 word/sentence/chapter、数据字典及日语读音指定。
- 体验演示。
