HolosAccent Сіздің дауысыңызды қалай айтылу бағасына айналдырады

Жазбаны дайындау

Алдымен, аудио стандартты форматқа декодталады: моно дыбыс, 16 кГц жиілікте.

Жүйе жазбаның сигнал‑шумен қатынасын (SNR) бағалайды. Егер бұл бағалау 25 dB-тен төмен түссе және шу сүзгілеу қолжетімді болса, шуды азайту сүзгісі қолданылады. Сүзгілеу сәтсіз болса, бастапқы жазбамен жалғасады.

Содан кейін толқындық форма сөйлеу талдау моделінің кіріс талаптарына сәйкес қалыпқа келтіріледі. Жарты секундтан қысқа жазбалар мен үнсіздіктер нөлдік баға алады.

Әр түрлі айтылуларға рұқсат беру

Келесі қадамда, сілтеме мәтін фонетикалық айтылу қозғалтқышы арқылы фонетикалық транскрипцияға айналады. Бір сөздің бірнеше қабылданатын нұсқалары болуы мүмкін.

Айтылу жиынтығы мыналарды қамтиды:

• Британдық және Американдық нұсқалар.
• to сөзіндегі екпінсіз дауысты сияқты жиі қысқартылған формалар.
• Таңдалған контекстік балама нұсқалар.

Мысалы, close the door сөйлеміндегі соңғы дауыс a close friend сөйлеміндегі соңғы дауысынан өзгеше. Жүйе сөйлемді өңдегенде қолдау көрсетілген балама нұсқалар арасынан таңдай алады.

Дыбыстарды тыңдау, сөздерді қайта құрастыру емес

Жазба акустикалық модель арқылы өтеді. Ол уақыт бойынша шамамен 20‑миллисекунд интервалдарда әртүрлі сөйлеу дыбыстарының дәлелдерін шығарады.

Бұл жазбаның фонетикалық көрінісі. Бағалаушы сөйлемді қайта құрастыру үшін сөз‑деңгейлі тіл моделін қолданбайды.

Жүйе осы акустикалық нәтижелерді екі тәсілмен зерттейді:

Әдіс	Не істейді
Expected-sound alignment	Күтілетін дыбыстар үшін ең жақсы уақытты тауып, әр сөзге толық айтылу нұсқасын таңдайды.
Independent sound recognition	Үлгі ұнататын дыбыстарды, сілтеме сөйлемсіз, қадағалайды.

Екі көзқарас та қажет, өйткені сәйкестендіру сөйлеуші дыбысты жіберген жағдайда да оны жазбада бір жерде орналастыра алады. Тәуелсіз дыбыс тану нақты айтылған дыбыстар туралы қосымша дәлел береді.

Сәйкестендіру таймингті де ескереді, сондықтан бір сөздегі дыбыс алыстағы сөзге дәлел ретінде есептелмейді.

Әр дыбысты бағалау

Сәйкестендірілген әр дыбыс үшін, бағалаушы фонетикалық дәлдік өлшемін есептейді: сол интервалда күтілетін дыбысты бәсекелес дыбыстарға қарағанда модель қаншалықты қолдайды.

Оған қосымша:

• Күтілетін дыбыстың шың ықтималдығы.
• Тәуелсіз дыбыс тану жақын жерде сәйкес дыбыс тауып алған ба?

Осы дәлелдерді математикалық картаға салып, 0‑ден 100‑ге дейінгі дыбыс дәлдігі мәніне айналдырады.

Тәуелсіз тану нәтижесінде дыбыс жоқ болса, автоматты түрде нөл алынбайды. Акустикалық дәлел әлі де ескерілетін болады.

Қай сөздерге назар аудару керек екенін шешу

Сөздік кері байланыс осы дыбыс мәндерін нақты қателерді тексеру нәтижелерімен біріктіреді. Сөз мыналарды орындауы тиіс:

• Айтылғанына жеткілікті дәлел бар болу.
• Орнатылған орташа дәлдік шегіне сай болу.
• Ауыстыру, енгізу немесе елеулі дыбыс жетіспеушілігі анықталмауы.

Анық ауыстырулар күтілетін дыбысқа әлсіз қолдау және қарсы дыбысқа күшті қолдау талап етеді.

Дәлел	Ағымдағы шек
Күтілетін дыбысқа қолдау	0.05‑тен төмен
Оның орнына қолдау	кемінде 0.5

Бұл модель дәлелінің шектері, адам тыңдаушының қате деп бағалау ықтималдығы емес.

Белгіленген сөздер үшін жүйе күтілетін айтылуды және Халықаралық фонетикалық алфавит (IPA)‑де дыбыстардың бағасын қайтарады. Бұл бағалау сөз шекараларында кемшіліктерге ие болуы мүмкін.

Сөйлем бағасын құрастыру

Сөйлем бағасы келесі факторлардың үйлесімінен басталады:

• Орташа дыбыс дәлдігі.
• Тәуелсіз дыбыс тану арқылы сәйкестендірілген күтілетін дыбыстардың үлесі.
• Секундына айтылған сөйлеу дыбыстарының саны.
• Сөздер арасындағы ұзын үзілістер.

Тайминг есептеуі бірінші сәйкестендірілген дыбыстан бұрынғы және соңғыдан кейінгі үнсіздікті есепке алмайды.

Бұл сипаттар жалпы бір бағаға қосылады. Қазіргі нұсқада бөлек қолданушы‑көрсетілетін ағыттылық, толықтық немесе интонация бағалары жоқ.

Сөз кредитінің нәтижеге әсері

Бағалаушы кейін сөз‑кредит көбейткішін қолданады. Әр сөз оның таңдалған айтылуындағы дыбыстар санына байланысты салмақталады.

Сөз нәтижесі	Алынған кредит
Correct	Full weight
Spoken but flagged	One quarter of its weight
Omitted	No credit

Есептеу формуласы:

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

Сондықтан, ұзын қате сөз қысқа сөзге қарағанда көп балл азайтады. Сөйлемнің тек кішкене бөлігін оқу да баллды шектейді, тіпті ол бөлік анық естіледі де.

Сіздің бағаңызды сілтеме жазбасымен салыстыру

Ақырында, жүйе сол сөйлемнің сілтеме жазбасын пайдаланып, шикі баллды қалыпқа келтіре алады.

Сілтеме жазбаны сол бағалаушы нұсқасымен бағалайды және сәйкес базалық сызық бар болса, келесі формуланы қолданады:

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

Мысалы, шикі баға 80, сілтеме баға 88 болса, нәтиже шамамен 90.9 болады.

Бұл түзету модель сілтеме жазбаны да 100‑ден төмен бағалауы мүмкін екенін ескереді.

Базалық сызықтар:

• Сілтеме дауыс пен сөйлеу‑жасау моделі.
• Бағалау моделі.
• Сөздік.
• Калибрлеу және ереже нұсқасы.

Егер сәйкес базалық сызық жоқ немесе пайдалануға жарамсыз болса, нәтиже шикі баллмен қалады. Алғашқы талпыныс осылайша түзетусіз қалады, ал кейінгі талпыныстар үшін базалық сызық дайындалады.

Бағаңыз нені білдіреді

Алынған сан HolosAccent шкаласындағы тәжірибе бағасы болып табылады.

90‑дық баға сіздің сөздеріңіздің 90 пайызын дұрыс айтқандығыңызды білдірмейді, сондай-ақ CEFR деңгейі немесе ана тілі деңгейіне тең емес.

Бұл карта сарапшылардың бағалаған жазбаларына негізделген, бірақ жаңа бағалау жүйесі әлі эксперименталды және оның толық қабылдау критерийлері толық тексерілмеген. Ол қателерді жібермеуі немесе қабылданатын сөйлеуді белгілеуі мүмкін.

Жеке сөз кері байланысы және қайталанатын талпыныстардағы үлгілер санды түсіндіру үшін контекст береді.