SpeechRater 是为 GRE 造的吗?

不是。SpeechRater 是专门为口语评测开发的,2006 年首次部署在 TOEFL Practice Online——一个低风险的配套练习测试,不是从 GRE 或其他 ETS 考试改造过来的。ETS 后来在 2019 年把它接入正式的 TOEFL iBT 口语部分,当时和人工评分员一起打分,直到 2026 年 1 月改革才让它独立成为首轮评分者。

SpeechRater 和 e-rater 是一回事吗?

不是——这是 ETS 两套各自独立的引擎,评的是两种不同能力。SpeechRater 评口语:对你的音频做语音识别,再读发音、韵律、词汇、语法、内容、话语结构这几类特征。e-rater 评写作:读一段打字回答的语法、用词、机械性错误、文风、词汇、组织结构,不涉及音频。ETS 把它们记录为两套独立系统。

SpeechRater 到底量什么?

ETS 自己的研究把 SpeechRater 的特征集分成六类:发音、韵律、词汇、语法、内容、话语结构。这六类汇总成分数报告里的三大维度——表达(发音、韵律、流利度)、语言使用(词汇、语法)、话题展开(内容、话语结构——你的想法是否切题、具体、展开充分)。

现在托福口语还有人工评分吗?

有,但只覆盖一部分回答。2026 年 1 月起,SpeechRater 给每一道口语题先打一遍分,人工评分员只在引擎把某条回答标记为异常时才复核。这跟 2019–2025 年不一样——那几年是每一条回答都由人工和引擎一起打分。

SpeechRater 是什么？托福官方 AI 口语评分引擎

Q: SpeechRater 是什么?

SpeechRater 是 ETS 官方的托福自动语音评分引擎。它先对一段口语回答做语音识别转写,再抽取特征,归到三大维度——表达、语言使用、话题展开——据此打分。2026 年 1 月托福改革后,它是每一道口语题的 first-pass scorer(首轮评分);人工评分员只在它把某条回答标记为异常时才介入。

SpeechRater 是 ETS 自家的托福口语自动评分引擎。它不是从 GRE 或其他 ETS 考试借来的。它是专门为口语评测造的,2006 年就已经在跑。2026 年 1 月改革后,它成了每一道口语回答要经过的第一道关。

它从哪来的

ETS 不是先为托福造的 SpeechRater。它最早是为口语评测通用场景开发的,2006 年部署在 TOEFL Practice Online,一个低风险的配套练习测试。那时候它还没碰过真正的托福分数。

SpeechRater 角色演变时间线,2006 到 2026:2006 年 v1.0 为 TOEFL Practice Online 上线;2016 年 v5.0 部署,历经约十年的研发;2019 年接入正式的 TOEFL iBT 考试,和人工一起打分;2026 年成为首轮评分者,人工只做复核。 — SpeechRater 通往首轮评分者之路,2006–2026。

ETS 公开发表的研究点名记录了 v1.0 和 v5.0 这两个版本。中间发生了什么,公开材料里没有细节,所以把这两个版本当成确认过的锚点,而不是一份完整的版本史。

它实际量的是什么

引擎先对你的回答做语音识别,再抽取特征(ETS 把这些特征归成六类:发音、韵律、词汇、语法、内容、话语结构)。这六类汇总成你分数报告里真正看到的三大维度。

维度	特征类	量的是什么
表达	发音	单个音素发得清不清楚
表达	韵律	节奏、语调、语速和停顿
语言使用	词汇	用词的范围与精准度
语言使用	语法	语法结构的准确度
话题展开	内容	想法是否切题、具体
话题展开	话语结构	想法组织得好不好、展开得充不充分

这六类拆分,比 ETS 官方页面上那句”100 多个特征”更具体一步。是同一个引擎,只是按 ETS 研究报告实际使用的颗粒度描述出来。

一条真实作答,按 SpeechRater 的方式拆开读

来看一个真实例子。一位 Toeflair 用户遇到这道面试题:“Could you describe a conflict or misunderstanding that arose from relying on digital communication, and explain how you attempted to resolve it?” 他是这么回答的,完整版:

这条回答: “That’s a really, that’s a really great question. I think there are many challenges that come along with digital communication, such as many typos happening. Once in my college education, I was communicating with a professor about an assignment deadline, and because I had messaged a typo, he had understood my response in a way that was incorrect, and so that led to a little bit of disagreement in terms of how I, how seriously I treat the class, and it gave him the wrong impression, ultimately, of how I am as a student because of my typo.”

注意漏了什么。题目问的是冲突怎么解决的,这条回答从没讲到这一步。把误解讲得很细,然后就停了。

我们的引擎评的是和 ETS 一样的维度,给这条回答打出了:

维度	分数
表达	4.5 / 6
语言使用	4.5 / 6
话题展开	3.5 / 6

这个拆分才是关键。一个总分会把这里真正发生的事藏起来:表达和语言控制都很稳,但话没说完这件事,恰恰卡在话题展开这道维度上——不是口语能力的缺口。只有维度层面的读法才能让这一点显出来。

SpeechRater 不是 e-rater

这两个名字经常被放在一起提,但不是同一套系统。SpeechRater 评口语,读的是音频。e-rater 是另一套 ETS 引擎,评写作,读的是打字回答(语法、用词、机械性错误、文风、词汇、组织结构)。

有些文章说 e-rater 在 2026 年改革里也拿到了跟 SpeechRater 一样的”首轮评分、只复核被标记回答”待遇。ETS 自己的 e-rater 文档没有确认写作这边有这个具体变化,所以这里不做这个断言。能确认的是:它们是评两种不同能力的两套不同引擎,不是一套系统兼两份差。

准不准是另一件事

知道 SpeechRater 量什么是一回事。它量得准不准是另一回事。我们在 674 份实测数据上,逐维度拆开讲过这件事,见 AI 怎么给托福口语打分。

想看 SpeechRater 首轮评分所在的那场改革全貌,见 2026 托福改了什么。