Transparência
A maioria dos apps te entrega uma nota e chama de “examinador de IA”. A gente prefere te mostrar como ela é feita — porque confiar na nota é metade do treino. Aqui está o motor, o método e, sem rodeio, onde a nota para.
O motor
A camada acústica é o Azure Pronunciation Assessment rodando no modelo de francês canadense (fr-CA), na região canadacentral — a mesma pronúncia que a TCF Canadá cobra, não o fr-FR da Europa. Por cima, uma camada de LLM lê o resultado pelos critérios da TCF Expression Orale. Os dois nomes estão aqui de propósito: dá pra checar o que cada um faz.
O método
Você grava uma frase. O áudio vai pro motor fr-CA, que pontua cada palavra — e cada som dentro dela — em precisão, fluência e completude. A gente mapeia isso pra banda 10–11 / 20 da Expression Orale (a fala do NCLC 7) e separa os sons mais fracos, que viram seu loop de revisão. Nada de nota mágica que cai do céu: cada cor vem de um número do motor.
O que a nota diz
A nota vem em quatro eixos de 0 a 100 — pronúncia, precisão, fluência, completude. As cores por palavra (verde, âmbar, vermelho) são a precisão fonética real que o motor mediu, não um chute. No Test-Prep, a estimativa de NCLC é exatamente isso: uma estimativa, calibrada pra banda EO 10–11 — uma bússola pro treino, não o resultado oficial.
Os limites, sem rodeio
A gente pontua pronúncia em leitura em voz alta — não a profundidade de uma conversa espontânea (isso é o parceiro de conversa, e ele não vira nota). Uma estimativa não é a nota oficial da France Éducation International. E o motor acústico tem o erro dele, como todo modelo. Mostrar isso é o ponto: você confia no que a nota diz porque sabe também o que ela não diz.
Sem mágica, sem promessa de “+X pontos garantidos”. Só um motor honesto e um plano pra você melhorar som por som.