Paano Binabago ng HolosAccent ang Iyong Boses sa Isang Pronunciation Score

Paghahanda ng Iyong Pagre-record

Una, i-decode ang audio sa isang standard na format: mono sound sampled at 16 kHz.

Ang sistema ay tinatantya ang signal-to-noise ratio ng pagre-record. Kapag bumaba ang tantyang ito sa 25 dB at may available na noise filtering, mag-aapply ito ng a noise-reduction filter bago magsuri. Kapag nabigo ang filtering, magpapatuloy ito gamit ang orihinal na pagre-record.

Pagkatapos, i-noormalize ang waveform upang tumugma sa input requirements ng speech analysis model. Ang mga tahimik na bahagi at mga pagre-record na mas maikli sa kalahating segundo ay bibigyan ng zero score.

Pahintulutan ang Iba’t Ibang Pagbigkas

Susunod, ang reference text ay kinokonvert sa phonetic pronunciations gamit ang a pronunciation engine. Maaaring magkaroon ng maraming tinatanggap na anyo ang isang salita.

Kasama sa set ng pagbigkas ang:

• Mga variant ng British at American.
• Karaniwang pinaikling anyo, tulad ng hindi binigkas na patinig sa to.
• Piniling kontekstwal na alternatibo.

Halimbawa, ang huling katinig sa close the door ay iba sa nasa a close friend. Maaaring pumili ang sistema mula sa mga suportadong alternatibo habang pinoproseso ang pangungusap.

Pakikinig sa mga Tunog, Hindi Pagbuo Muli ng mga Salita

Ang pagre-record ay dadaan sa an acoustic model. Nagpo-produce ito ng ebidensya para sa iba’t ibang speech sounds sa paglipas ng panahon, mga 20-millisecond intervals.

Ito ay isang phonetic representation ng pagre-record. Ang scorer ay hindi gumagamit ng word-level language model para i-reconstruct ang pangungusap.

Sinusuri ng sistema ang mga acoustic output sa dalawang paraan:

Paraan	Ano ang ginagawa
Expected-sound alignment	Hinahanap ang pinakamainam na timing para sa inaasahang tunog, pinipili ang kumpletong variant ng pagbigkas para sa bawat salita.
Independent sound recognition	Sinusunod ang mga tunog na pinili ng modelo nang hindi kinakailangang tumugma sa reference na pangungusap.

Parehong pananaw ay kailangan dahil maaaring ilagay ng alignment ang inaasahang tunog kahit na ito ay nilaktawan ng nagsalita. Ang independent sound recognition ay nagbibigay ng karagdagang ebidensya tungkol sa aktwal na binigkas.

Isinasaalang-alang din ng matching ang timing, kaya mahirap para sa isang tunog sa isang salita na magsilbing ebidensya para sa malayong salita.

Pagbibigay ng Score sa Bawat Tunog

Para sa bawat aligned sound, kinukwenta ng scorer ang pronunciation accuracy measure: kung gaano kalakas ang suporta ng modelo para sa inaasahang tunog kumpara sa mga katunggaling tunog sa nasabing interval.

Isinasaalang-alang din nito:

• Ang tuktok na probabilidad ng inaasahang tunog.
• Kung nakakita ang independent sound recognition ng katugmang tunog malapit dito.

Isang fitted mathematical mapping ang nagko-convert ng ebidensyang ito sa sound accuracy value between 0 and 100.

Ang isang tunog na nawawala sa independent recognition result ay hindi awtomatikong makakakuha ng zero. Mahalaga pa rin ang acoustic evidence.

Pagpapasya kung Aling mga Salita ang Kailangan ng Pansin

Pinag-iisa ng word feedback ang mga sound values na ito kasama ang explicit error checks. Dapat:

• May sapat na ebidensya na ito ay binigkas.
• Naabot ang itinakdang average accuracy threshold.
• Walang natukoy na substitution, insertion, o malubhang missing-sound errors.

Ang malinaw na substitution ay nangangailangan ng weak support for the expected sound at strong support for a competing sound.

Ebidensya	Kasalukuyang threshold
Suporta para sa inaasahang tunog	Below 0.05
Suporta para sa kapalit nito	At least 0.5

Ito ay model evidence thresholds, hindi mga probabilidad na ituturing ng isang tao na mali ang salita.

Para sa mga flagged na salita, ibinabalik ng sistema ang inaasahang pagbigkas at ang tinatayang mga tunog na narinig, nakasulat sa International Phonetic Alphabet (IPA). Maaaring hindi perpekto ang pagtatayang ito, lalo na sa mga hangganan ng salita.

Pagtatayo ng Sentence Score

Nagsisimula ang sentence score sa isang fitted combination ng:

• Average sound accuracy.
• Ang bahagi ng inaasahang tunog na natugma ng independent sound recognition.
• Bilang ng mga tunog na binigkas kada segundo.
• Mahahabang patlang sa pagitan ng mga salita.

Hindi isinasama ng timing calculation ang katahimikan bago ang unang aligned sound at pagkatapos ng huli.

Ang mga tampok na ito ay nag-aambag sa one overall score. Ang kasalukuyang implementasyon ay hindi nagbibigay ng hiwalay na user-facing fluency, completeness, o intonation scores.

Paano Nakaaapekto ang Word Credit sa Resulta

Pagkatapos, nag-aapply ang scorer ng explicit word-credit multiplier. Ang bawat salita ay binibigyan ng timbang base sa dami ng tunog sa napiling pagbigkas.

Resulta ng Salita	Kreditong Nakuha
Correct	Full weight
Spoken but flagged	One quarter of its weight
Omitted	No credit

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

Kaya, ang isang mahabang maling salita ay karaniwang mas malaki ang gastos kaysa sa maikli. Ang pagbabasa lamang ng maliit na bahagi ng pangungusap ay naglilimita rin sa score, kahit na malinaw ang bahaging iyon.

Paghahambing ng Iyong Score sa Reference

Sa huli, maaaring i-normalize ng sistema ang raw score gamit ang reference recording of the same phrase.

Sinuscore nito ang synthesized reference gamit ang parehong bersyon ng scorer at, kapag may magagamit na matching baseline, inilalapat ang:

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

Halimbawa, ang raw score na 80 laban sa reference score na 88 ay nagiging humigit-kumulang 90.9.

Ang pag-aayos na ito ay isinasaalang-alang ang katotohanang maaaring magbigay ang modelo ng mas mababa sa 100 kahit sa reference recording.

Ang mga baseline ay nakatali sa:

• Ang reference voice at speech-generation model.
• Ang scoring model.
• Ang bokabularyo.
• Ang bersyon ng calibration at mga patakaran.

Kung walang magagamit na matching baseline o hindi ito magagamit, mananatili ang raw score. Ang unang pagtatangka ay maaaring manatiling hindi pa na-adjust habang naghahanda ng baseline para sa mga susunod na pagtatangka.

Ano ang Ibig Sabihin ng Iyong Score

Ang nabuong numero ay isang practice score on HolosAccent’s scale.

Ang score na 90 ay hindi nangangahulugang 90 porsyento ng iyong mga salita ay tama, at hindi rin ito nagtatakda ng CEFR level o katumbas ng native speaker.

Ang mapping ay na-fitted gamit ang expert-rated recordings, ngunit ang new scoring system remains experimental at ang buong acceptance criteria nito ay hindi pa nasusuri. Maaaring makaligtaan nito ang ilang error o i-flag ang katanggap-tanggap na pagsasalita.

Ang indibidwal na feedback sa salita at mga pattern sa paulit-ulit na pagtatangka ay nagbibigay ng konteksto para maunawaan ang numero.