Wie HolosAccent Ihre Stimme in eine Aussprache‑Bewertung verwandelt

Vorbereitung Ihrer Aufnahme

Zuerst wird das Audio in ein Standardformat dekodiert: Mono‑Ton mit 16 kHz Abtastrate.

Das System schätzt das Signal‑zu‑Rausch‑Verhältnis der Aufnahme. Liegt diese Schätzung unter 25 dB und ist eine Rauschfilterung verfügbar, wird ein Rauschunterdrückungs‑Filter vor der Analyse angewendet. Schlägt die Filterung fehl, wird mit der Originalaufnahme weitergearbeitet.

Die Wellenform wird anschließend normalisiert, um den Eingabeanforderungen des Sprach‑Analyse‑Modells zu entsprechen. Stille und Aufnahmen, die kürzer als eine halbe Sekunde sind, erhalten eine Punktzahl von null.

Erlauben verschiedener Aussprachen

Als Nächstes wird der Referenztext mithilfe einer Aussprache‑Engine in phonetische Lautschriften umgewandelt. Ein Wort kann mehrere akzeptierte Formen haben.

Der Lautschrift‑Satz umfasst:

• Britische und amerikanische Varianten.
• Häufige reduzierte Formen, wie z. B. der unbetonte Vokal in to.
• Ausgewählte kontextuelle Alternativen.

Zum Beispiel unterscheidet sich der Endkonsonant in close the door von dem in a close friend. Das System kann beim Verarbeiten des Satzes zwischen den unterstützten Alternativen wählen.

Auf Laute hören, nicht Wörter rekonstruieren

Die Aufnahme wird durch ein akustisches Modell geleitet. Es erzeugt Evidenz für verschiedene Sprachlaute über die Zeit hinweg, in etwa 20‑Millisekunden‑Abständen.

Dies ist eine phonetische Darstellung der Aufnahme. Der Bewertungs‑Algorithmus verwendet kein wortbasiertes Sprachmodell, um den Satz zu rekonstruieren.

Das System prüft diese akustischen Ausgaben anschließend auf zwei Arten:

Methode	Was es tut
Erwartete‑Laut‑Ausrichtung	Findet das optimale Timing für die erwarteten Laute und wählt für jedes Wort eine vollständige Aussprache‑Variante.
Unabhängige Lauterkennung	Folgt den vom Modell bevorzugten Lauten, ohne den Referenzsatz zu benötigen.

Beide Sichtweisen sind nötig, weil die Ausrichtung einen erwarteten Laut irgendwo in der Aufnahme platzieren kann, selbst wenn der Sprecher ihn weggelassen hat. Unabhängige Lauterkennung liefert zusätzliche Evidenz darüber, was tatsächlich gesprochen wurde.

Das Matching berücksichtigt ebenfalls das Timing, sodass es schwieriger wird, dass ein Laut in einem Wort als Evidenz für ein entferntes Wort zählt.

Bewertung jedes Lautes

Für jeden ausgerichteten Laut berechnet der Bewertungs‑Algorithmus ein Aussprache‑Genauigkeits‑Maß: wie stark das Modell den erwarteten Laut im Vergleich zu konkurrierenden Lauten während dieses Intervalls unterstützt.

Dabei berücksichtigt er:

• Die Spitzenwahrscheinlichkeit des erwarteten Lautes.
• Ob die unabhängige Lauterkennung in der Nähe einen passenden Laut gefunden hat.

Eine angepasste mathematische Abbildung wandelt diese Evidenz in einen Laut‑Genauigkeits‑Wert zwischen 0 und 100 um.

Ein Laut, der im Ergebnis der unabhängigen Erkennung fehlt, erhält nicht automatisch null. Die akustische Evidenz bleibt dennoch relevant.

Entscheiden, welche Wörter Aufmerksamkeit benötigen

Das Wort‑Feedback kombiniert diese Lautwerte mit expliziten Fehlprüfungen. Ein Wort muss:

• Ausreichende Evidenz dafür haben, dass es gesprochen wurde.
• Den konfigurierten durchschnittlichen Genauigkeitsschwellenwert erreichen.
• Keine erkannten Substitutionen, Einfügungen oder gravierenden Fehl‑Laut‑Fehler aufweisen.

Klare Substitutionen erfordern schwache Unterstützung des erwarteten Lautes und starke Unterstützung eines konkurrierenden Lautes.

Evidenz	Aktueller Schwellenwert
Unterstützung für den erwarteten Laut	Below 0.05
Unterstützung für seine Ersetzung	At least 0.5

Dies sind Modell‑Evidenz‑Schwellenwerte, keine Wahrscheinlichkeiten, die ein menschlicher Hörer als falsches Wort bewerten würde.

Für markierte Wörter gibt das System die erwartete Aussprache und seine Schätzung der gehörten Laute zurück, geschrieben im Internationalen Phonetischen Alphabet (IPA). Diese Schätzung kann insbesondere an Wortgrenzen ungenau sein.

Aufbau der Satz‑Bewertung

Die Satz‑Bewertung beginnt mit einer angepassten Kombination aus:

• Durchschnittliche Laut‑Genauigkeit.
• Dem Anteil der erwarteten Laute, die durch unabhängige Lauterkennung getroffen wurden.
• Der Anzahl der pro Sekunde ausgesprochenen Sprachlaute.
• Langen Pausen zwischen den Wörtern.

Die Zeitberechnung schließt Stille vor dem ersten ausgerichteten Laut und nach dem letzten aus.

Diese Merkmale tragen zu einer Gesamtnote bei. Die aktuelle Implementierung liefert keine separaten, für Nutzer sichtbaren Bewertungen für Flüssigkeit, Vollständigkeit oder Intonation.

Wie Wort‑Gutschrift das Ergebnis beeinflusst

Der Bewertungs‑Algorithmus wendet anschließend einen expliziten Wort‑Gutschrift‑Multiplikator an. Jedes Wort wird nach der Anzahl der Laute in seiner gewählten Aussprache gewichtet.

Wertergebnis	Gutschrift
Korrekt	Volles Gewicht
Gesprochen, aber markiert	Ein Viertel seines Gewichts
Ausgelassen	Keine Gutschrift

Die Berechnung lautet:

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

Folglich kostet ein langes falsches Wort in der Regel mehr als ein kurzes. Nur einen kleinen Teil des Satzes zu lesen, begrenzt ebenfalls die Punktzahl, selbst wenn dieses Fragment klar klingt.

Vergleich Ihrer Punktzahl mit der Referenz

Abschließend kann das System die Rohpunktzahl mithilfe einer Referenzaufnahme derselben Phrase normalisieren.

Es bewertet die synthetisierte Referenz mit derselben Bewertungs‑Version und wendet, wenn bereits eine nutzbare passende Basislinie vorhanden ist, Folgendes an:

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

Zum Beispiel wird eine Rohpunktzahl von 80 gegenüber einer Referenzpunktzahl von 88 etwa 90,9.

Diese Anpassung berücksichtigt, dass das Modell selbst der Referenzaufnahme weniger als 100 geben kann.

Basislinien sind gekoppelt an:

• Die Referenzstimme und das Sprach‑Generierungs‑Modell.
• Das Bewertungs‑Modell.
• Den Wortschatz.
• Die Kalibrierungs‑ und Regel‑Version.

Ist eine passende Basislinie nicht verfügbar oder unbrauchbar, behält das Ergebnis seine Rohpunktzahl. Ein erster Versuch kann daher unverändert bleiben, während für spätere Versuche eine Basislinie erstellt wird.

Was Ihre Punktzahl bedeutet

Die resultierende Zahl ist ein Übungs‑Score auf der Skala von HolosAccent.

Ein Score von 90 bedeutet nicht, dass 90 % Ihrer Wörter korrekt waren, und er stellt weder ein CEFR‑Niveau noch eine Gleichwertigkeit mit einem Muttersprachler dar.

Die Zuordnung wurde anhand von von Experten bewerteten Aufnahmen angepasst, aber das neue Bewertungssystem bleibt experimentell und seine vollständigen Akzeptanzkriterien wurden noch nicht verifiziert. Es kann Fehler übersehen oder akzeptable Sprache markieren.

Individuelles Wort‑Feedback und Muster über wiederholte Versuche hinweg geben Kontext zum Deuten der Zahl.