Risposta breve: quando un'app per le lingue valuta la tua pronuncia, un modello di riconoscimento vocale individua prima quali suoni hai prodotto e quando, poi confronta ogni suono con ciò che un modello di parlato nativo si aspetta per quella parola. Il risultato sono di solito più punteggi: accuratezza (quanto ogni suono è vicino al riferimento), fluenza (pause e interruzioni), completezza (quanta parte del testo hai detto) e talvolta prosodia (accento, intonazione e ritmo). Sono utili per individuare suoni specifici da correggere, ma misurano la distanza da un accento di riferimento, non se le persone ti capiscono. Leggili come tendenze e indizi parola per parola, non come un voto sul tuo livello.
Come funziona la valutazione della pronuncia, passo dopo passo
- Registrazione. L'app registra il tuo audio. Rumore di fondo e un microfono scadente influenzano già tutto il resto.
- Riconoscimento e allineamento. Un modello di riconoscimento converte l'audio in suoni probabili (fonemi) e li allinea nel tempo con le parole che dovevi dire. Nella pratica libera non c'è un testo di riferimento, quindi il modello prima indovina cosa volevi dire.
- Confronto. Per ogni fonema il sistema stima la probabilità che tu abbia prodotto il suono atteso e non un altro. L'idea risale alla misura "Goodness of Pronunciation" descritta da Witt e Young (2000); i sistemi moderni usano la stessa logica con le reti neurali.
- Aggregazione. I punteggi per fonema vengono combinati in punteggi di parola, frase e totale, e le informazioni temporali diventano il punteggio di fluenza.
I riconoscitori generici, come Whisper di OpenAI, sono addestrati a trascrivere in modo robusto, cioè a tollerare gli accenti. È utile per capire chi impara, ma non per valutarlo: per questo la valutazione della pronuncia richiede un passaggio di confronto separato.
Cosa misura ogni punteggio di pronuncia
La valutazione della pronuncia di Azure di Microsoft, un servizio usato per creare funzioni di apprendimento linguistico, documenta pubblicamente i suoi punteggi. È un buon riferimento per ciò che mostrano la maggior parte delle app, anche con nomi diversi.
| Punteggio | Cosa misura (definizione di Microsoft) | Livello |
|---|---|---|
| Accuratezza | Quanto i fonemi si avvicinano alla pronuncia di un madrelingua | Fonema, parola e testo completo |
| Fluenza | Quanto il tuo uso delle pause tra le parole si avvicina a quello di un madrelingua | Testo completo |
| Completezza | Il rapporto tra parole pronunciate e testo di riferimento | Testo completo (solo con copione) |
| Prosodia | Quanto il parlato suona naturale: accento, intonazione, velocità e ritmo | Testo completo |
| Totale | Combinazione ponderata dei punteggi precedenti | Testo completo |
I punteggi vanno da 0 a 100 (o da 0 a 5). La documentazione di Microsoft, verificata il 10 novembre 2026, indica anche che la valutazione della prosodia è disponibile solo per l'inglese statunitense, uno dei motivi per cui il feedback sulla prosodia è più raro in altre lingue.
Cosa non ti dicono i punteggi
Avere un accento non significa non essere capiti
La ricerca sul parlato in lingua seconda distingue tre cose: il grado di accento (quanto suoni diverso), la comprensibilità (quanto è facile capirti) e l'intelligibilità (quanto gli ascoltatori capiscono davvero). In uno studio classico, Munro e Derwing (1995) hanno osservato che un forte accento straniero non rende necessariamente il parlato meno intelligibile. Un punteggio che misura la distanza da un modello nativo riflette soprattutto l'accento, quindi un "70" può essere perfettamente chiaro per ascoltatori reali.
L'accento di riferimento è una scelta
"Pronuncia nativa" in un modello indica di solito una sola varietà, come l'inglese statunitense o lo spagnolo di Spagna. Se impari un'altra varietà, suoni corretti possono essere segnalati come errori.
I riconoscitori non sono ugualmente precisi con tutti
Il riconoscimento vocale commette ancora più errori con alcuni gruppi di parlanti. Uno studio su PNAS (Koenecke et al., 2020) ha rilevato che cinque sistemi commerciali avevano un tasso medio di errore per parola di 0,35 con parlanti neri contro 0,19 con parlanti bianchi. Alcuni accenti di chi studia possono essere penalizzati per lo stesso motivo.
Le frasi brevi danno punteggi instabili
Una parola o una frase breve forniscono al modello pochissime informazioni, quindi il punteggio può cambiare tra un tentativo e l'altro anche se hai detto la stessa cosa allo stesso modo.
Come usare i punteggi senza frustrazione
| Invece di... | Fai così |
|---|---|
| Inseguire 100 su una frase | Segui la media settimanale su molte frasi |
| Leggere solo il punteggio totale | Apri la vista per parola o suono e trova il suono segnalato più spesso |
| Ripetere la stessa frase 20 volte | Correggi un suono e usalo in frasi nuove |
| Considerare il punteggio il tuo livello | Verifica la comprensione reale: una persona o un assistente vocale ti capisce al primo colpo? |
| Esercitarti in una stanza rumorosa | Usa cuffie con microfono in un luogo tranquillo |
La pronuncia migliora anche ascoltando. Lo shadowing (ripetere audio nativo in tempo reale) allena ritmo e accento, che i punteggi per parola colgono di rado.
Scegliere un'app in base a ciò che misura
Le app mostrano queste informazioni in misura diversa. Le specialiste della pronuncia, come ELSA Speak, puntano sui punteggi per suono (vedi la nostra recensione di ELSA Speak). I tutor di conversazione puntano più sulla fluenza nel parlato libero: Enverson AI, ad esempio, mostra misure separate di lessico, grammatica, ritmo, fluenza e intercalari dopo una sessione di Free Talk. Se ti chiedono spesso di ripetere, parti da uno strumento per suono; se ti capiscono ma parli lentamente, dai priorità alla fluenza. La nostra metodologia spiega come testiamo il riconoscimento vocale nelle recensioni.
Domande frequenti
Come valutano la pronuncia le app per le lingue?
Usano il riconoscimento vocale per identificare i suoni prodotti, allinearli alle parole previste e confrontare ogni suono con un modello di parlato nativo. I confronti si combinano in punteggi di accuratezza, fluenza, completezza e talvolta prosodia.
Perché il mio punteggio cambia ogni volta?
Le frasi brevi danno poche informazioni al modello, e piccole differenze di rumore, distanza dal microfono o ritmo cambiano il risultato. Guarda le medie su molte frasi, non i singoli tentativi.
Un punteggio basso significa che non mi capiscono?
Non necessariamente. I punteggi misurano la distanza da un accento di riferimento. La ricerca mostra che un accento evidente non riduce sempre quanto bene ti capiscono.
Cos'è un punteggio di prosodia?
La prosodia comprende accento, intonazione, velocità e ritmo. La valutazione della pronuncia di Microsoft, ad esempio, offre la prosodia solo per l'inglese statunitense.
Il feedback sulla pronuncia con IA è accurato per tutti gli accenti?
Nessun sistema è ugualmente accurato per tutti. Gli studi hanno trovato tassi di errore più alti per alcuni gruppi, quindi considera i punteggi come indizi e verificali con ascoltatori reali.
Fonti
- Microsoft Learn: Use pronunciation assessment (verificato il 10 novembre 2026)
- Witt e Young (2000), Phone-level pronunciation scoring and assessment for interactive language learning, Speech Communication
- Munro e Derwing (1995), Foreign accent, comprehensibility, and intelligibility, Language Learning
- Koenecke et al. (2020), Racial disparities in automated speech recognition, PNAS