Cómo puntúa Phonema la pronunciación

Phonema es una app iOS para practicar pronunciación de inglés. Esta página explica cómo funciona la puntuación y dónde están sus límites, porque una puntuación de pronunciación vale lo que sepas de cómo se produjo.

El modelo

Phonema usa un modelo de voz wav2vec2 XLS-R, afinado para reconocimiento de fonemas sobre speechocean762, un corpus público de inglés como segunda lengua con anotación humana de pronunciación. Se convierte a CoreML y viaja dentro de la app.

Todo corre en el dispositivo

El modelo se ejecuta en tu iPhone. Tus grabaciones no se suben, no se guardan en ningún servidor y no entrenan nada. No hay cuenta ni paso de subida de audio: la app funciona sin conexión por la misma razón por la que es privada. Ver por qué importa el procesamiento on-device.

La puntuación es por sonido, no por frase

El inglés se puntúa sobre 42 fonemas ARPAbet. Para cada uno se calcula un valor GOP (Goodness of Pronunciation): cuánta confianza tiene el modelo acústico en que el sonido que produjiste es el que la palabra pedía, dado todo lo que hay alrededor. Un porcentaje único de frase esconde qué sonido falló de verdad; por eso la app puntúa cada sonido por separado y te lo devuelve a nivel de palabras. Qué mide el GOP lo detalla.

Lo que no puede hacer

Una puntuación no es un oyente. No conoce tu contexto, ni tus objetivos de acento, ni si una persona real te habría entendido. La puntuación automática y el juicio humano de la pronunciación están relacionados pero no son lo mismo, y la investigación lo dice sin rodeos — ver inteligibilidad frente a acento. Phonema está hecha para decirte qué palabra no quedó clara, no si suenas nativo. Es una decisión deliberada, no una limitación que estemos tapando.