كيف يحول HolosAccent صوتك إلى درجة النطق

تحضير تسجيلك

أولاً، يتم فك ترميز الصوت إلى صيغة قياسية: mono sound sampled at 16 kHz.

النظام يقدّر نسبة الإشارة إلى الضوضاء في التسجيل. إذا كان التقدير أقل من 25 dB وتوفّر مرشح تقليل الضوضاء، يتم تطبيق a noise-reduction filter قبل التحليل. إذا فشل الترشيح، يستمر باستخدام التسجيل الأصلي.

بعد ذلك يتم تطبيع الموجة لتتناسب مع متطلبات نموذج تحليل الكلام. الصمت والتسجيلات التي تقل مدتها عن نصف ثانية تحصل على درجة صفر.

السماح بنطق مختلف

بعد ذلك يُحوَّل النص المرجعي إلى نطق فونيتي باستخدام a pronunciation engine. يمكن أن يكون للكلمة عدة صيغ مقبولة.

تشمل مجموعة النطق:

• المتغيرات البريطانية والأمريكية.
• الصيغ المختصرة الشائعة، مثل الحرف المتحرك غير المشدد في to.
• بدائل سياقية مختارة.

على سبيل المثال، الحرف الساكن النهائي في close the door يختلف عن ذلك في a close friend. يستطيع النظام اختيار أحد البدائل المدعومة أثناء معالجة الجملة.

الاستماع إلى الأصوات، لا إعادة بناء الكلمات

يمر التسجيل عبر an acoustic model. ينتج دليلًا لأصوات الكلام المختلفة عبر الزمن، على فواصل تقريبية كل 20-millisecond intervals.

هذا تمثيل فونيتي للتسجيل. لا يستخدم المقيم نموذج لغة على مستوى الكلمات لإعادة بناء الجملة.

بعد ذلك يفحص النظام مخرجات النموذج الصوتي بطريقتين:

الطريقة	ما تفعله
Expected-sound alignment	يجد أفضل توقيت للأصوات المتوقعة، مختارًا صيغة نطق مكتملة لكل كلمة.
Independent sound recognition	يتبع الأصوات التي يفضّلها النموذج دون الحاجة إلى الجملة المرجعية.

كلا المنظورين ضروريان لأن المحاذاة قد تضع صوتًا متوقعًا في التسجيل حتى لو حذف المتحدث ذلك. التعرف المستقل على الأصوات يضيف دليلًا إضافيًا حول ما تم نطقه فعليًا.

المطابقة تأخذ التوقيت في الاعتبار أيضًا، مما يجعل من الصعب أن يُحسب صوت في كلمة ما كدليل لكلمة بعيدة.

تقييم كل صوت

لكل صوت مُحاذى، يحسب المقيم pronunciation accuracy measure: مدى قوة دعم النموذج للصوت المتوقع مقارنةً بالأصوات المتنافسة خلال تلك الفترة.

كما يأخذ في الاعتبار:

• أعلى احتمال للصوت المتوقع.
• ما إذا كان التعرف المستقل وجد صوتًا مطابقًا قريبًا.

تحويل رياضي مُضبط يحول هذا الدليل إلى sound accuracy value between 0 and 100.

الصوت المفقود من نتيجة التعرف المستقل لا يحصل تلقائيًا على صفر. لا يزال الدليل الصوتي مهمًا.

تحديد الكلمات التي تحتاج إلى انتباه

يجمع ملاحظات الكلمات قيم الأصوات مع فحوصات خطأ صريحة. يجب أن:

• يكون هناك دليل كافٍ على نطق الكلمة.
• تحقق متوسط الدقة الحدّ المكوّن.
• تتجنب الاستبدالات، الإدخالات، أو أخطاء الأصوات المفقودة الشديدة المكتشفة.

تتطلب الاستبدالات الواضحة weak support for the expected sound و strong support for a competing sound.

الدليل	الحدّ الحالي
Support for the expected sound	أقل من 0.05
Support for its replacement	على الأقل 0.5

هذه model evidence thresholds، ليست احتمالات سيحكم بها مستمع بشري بأن الكلمة غير صحيحة.

بالنسبة للكلمات التي تم وضع علامة عليها، يعيد النظام النطق المتوقع وتقديره للأصوات المسموعة مكتوبًا بـ International Phonetic Alphabet (IPA). قد يكون هذا التقدير غير كامل، خاصةً حول حدود الكلمات.

بناء درجة الجملة

تبدأ درجة الجملة بدمج مُضبط للآتي:

• متوسط دقة الأصوات.
• نسبة الأصوات المتوقعة التي طابقها التعرف المستقل.
• عدد أصوات الكلام المنطوقة في الثانية.
• الوقفات الطويلة بين الكلمات.

حساب التوقيت يستثني الصمت قبل أول صوت محاذى وبعد آخر صوت.

تُسهم هذه الخصائص في درجة واحدة شاملة. لا توفر النسخة الحالية درجات منفصلة للانسيابية أو الاكتمال أو النغمة للمستخدم.

كيف يؤثر رصيد الكلمة على النتيجة

بعد ذلك يطبق المقيم word-credit multiplier صريحًا. تُوزن كل كلمة حسب عدد الأصوات في نطقها المختار.

نتيجة الكلمة	الرصيد المكتسب
Correct	الوزن الكامل
Spoken but flagged	ربع وزنها
Omitted	لا رصيد

الحساب هو:

word credit =
    (correct sound weight + 0.25 × flagged spoken sound weight)
    / total expected sound weight

raw score =
    sentence estimate, clipped to 0–100, × word credit

وبالتالي، الكلمة الخاطئة الطويلة عادةً ما تكلف أكثر من القصيرة. قراءة جزء صغير فقط من الجملة يحدّ أيضًا من الدرجة، حتى وإن كان ذلك الجزء واضحًا.

مقارنة درجتك مع المرجع

أخيرًا، يمكن للنظام أن يطبع الدرجة الخام باستخدام reference recording of the same phrase.

يقوم بتقييم المرجع المُصنّع بنفس نسخة المقيم، وعند توفر خط أساس مطابقة صالح، يطبق:

displayed score = min(100, raw score / reference score × 100)

على سبيل المثال، درجة خام قدرها 80 مقابل درجة مرجع 88 تصبح تقريبًا 90.9.

هذا التعديل يأخذ في الاعتبار أن النموذج قد يمنح حتى التسجيل المرجعي أقل من 100.

خطوط الأساس مرتبطة بـ:

• صوت المرجع ونموذج توليد الكلام.
• نموذج التقييم.
• المفردات.
• نسخة المعايرة والقواعد.

إذا لم يتوفر خط أساس مطابقة أو كان غير صالح، يبقى الناتج على درجته الخام. لذا قد يبقى المحاولة الأولى غير مُعدّلة حتى يُجهّز خط الأساس للمحاولات اللاحقة.

ما تعنيه درجتك

الرقم الناتج هو درجة ممارسة على مقياس HolosAccent.

درجة 90 لا تعني أن 90٪ من كلماتك صحيحة، ولا تُحدّد مستوى CEFR أو تعادل ناطق أصلي.

تم ضبط الخريطة باستخدام تسجيلات مُقَيَّمة من خبراء، لكن نظام التقييم الجديد لا يزال تجريبيًا ولم تُتحقق بعد جميع معايير القبول الكاملة. قد يغفل أخطاءً أو يضع علامة على كلام مقبول.

ملاحظات الكلمات الفردية والأنماط عبر محاولات متكررة توفر سياقًا لتفسير الرقم.