HolosAccent ನಿಮ್ಮ ಧ್ವನಿಯನ್ನು ಉಚ್ಚಾರಣಾ ಅಂಕಕ್ಕೆ ಹೇಗೆ ಪರಿವರ್ತಿಸುತ್ತದೆ

ನಿಮ್ಮ ದಾಖಲೆಯನ್ನು ತಯಾರಿಸುವುದು

ಮೊದಲಿಗೆ, ಆಡಿಯೋವನ್ನು ಮಾನಕ ಸ್ವರೂಪಕ್ಕೆ ಡಿಕೋಡ್ ಮಾಡಲಾಗುತ್ತದೆ: 16 kHz ನಲ್ಲಿ ಮಾದರಿಗೊಳಿಸಲಾದ ಏಕ-ಚಾನೆಲ್ ಧ್ವನಿ.

ಸಿಸ್ಟಮ್ ದಾಖಲೆಯ ಸಿಗ್ನಲ್‑ಟು‑ನಾಯ್ಸ್ ಅನುಪಾತವನ್ನು ಅಂದಾಜು ಮಾಡುತ್ತದೆ. ಆ ಅಂದಾಜು 25 dB ಕ್ಕಿಂತ ಕಡಿಮೆಯಾಗಿದ್ದರೆ ಮತ್ತು ಶಬ್ದ ಫಿಲ್ಟರಿಂಗ್ ಲಭ್ಯವಿದ್ದರೆ, ವಿಶ್ಲೇಷಣೆಗೆ ಮುನ್ನ ಶಬ್ದ‑ಕಡಿತ ಫಿಲ್ಟರ್ ಅನ್ನು ಅನ್ವಯಿಸುತ್ತದೆ. ಫಿಲ್ಟರಿಂಗ್ ವಿಫಲವಾದರೂ, ಮೂಲ ದಾಖಲೆಯೊಂದಿಗೆ ಮುಂದುವರಿಯುತ್ತದೆ.

ಆಮೇಲೆ, ವೆವ್‌ಫಾರ್ಮ್ ಅನ್ನು ಮಾತು ವಿಶ್ಲೇಷಣೆ ಮಾದರಿಯ ಇನ್‌ಪುಟ್ ಅವಶ್ಯಕತೆಗಳಿಗೆ ಹೊಂದುವಂತೆ ಸಾಮಾನ್ಯೀಕರಣ ಮಾಡಲಾಗುತ್ತದೆ. ಅರ್ಧ ಸೆಕೆಂಡ್‌ಗಿಂತ ಕಡಿಮೆ ಅವಧಿಯ ಶಾಂತಿ ಮತ್ತು ದಾಖಲೆಗೆ ಶೂನ್ಯ ಅಂಕ ನೀಡಲಾಗುತ್ತದೆ.

ವಿಭಿನ್ನ ಉಚ್ಚಾರಣೆಗಳಿಗೆ ಅನುಮತಿಸುವುದು

ಮುಂದೆ, ರೆಫರೆನ್ಸ್ ಪಠ್ಯವನ್ನು ಉಚ್ಚಾರಣಾ ಎಂಜಿನ್ ಬಳಸಿ ಧ್ವನಿವಿಜ್ಞಾನ ಉಚ್ಚಾರಣೆಗಳಿಗೆ ಪರಿವರ್ತಿಸಲಾಗುತ್ತದೆ. ಒಂದು ಪದಕ್ಕೆ ಅನೇಕ ಸ್ವೀಕಾರಾರ್ಹ ರೂಪಗಳು ಇರಬಹುದು.

ಉಚ್ಚಾರಣಾ ಸಮೂಹದಲ್ಲಿ ಒಳಗೊಂಡಿದೆ:

• ಬ್ರಿಟಿಷ್ ಮತ್ತು ಅಮೆರಿಕನ್ ರೂಪಗಳು.
• ಸಾಮಾನ್ಯ ಸಂಕ್ಷಿಪ್ತ ರೂಪಗಳು, ಉದಾಹರಣೆಗೆ to ನಲ್ಲಿ ಒತ್ತಡವಿಲ್ಲದ ಸ್ವರ.
• ಆಯ್ದ ಸಂದರ್ಭೀಯ ಪರ್ಯಾಯಗಳು.

ಉದಾಹರಣೆಗೆ, close the door ನಲ್ಲಿ ಅಂತಿಮ ವ್ಯಂಜನವು a close friend ನಲ್ಲಿ ಇರುವುದರಿಂದ ಭಿನ್ನವಾಗಿರುತ್ತದೆ. ವಾಕ್ಯವನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುವಾಗ ವ್ಯವಸ್ಥೆ ಬೆಂಬಲಿತ ಪರ್ಯಾಯಗಳ ನಡುವೆ ಆಯ್ಕೆ ಮಾಡಬಹುದು.

ಶಬ್ದಗಳನ್ನು ಕೇಳುವುದು, ಪದಗಳನ್ನು ಪುನರ್ ನಿರ್ಮಿಸುವುದಿಲ್ಲ

ದಾಖಲೆ ಅಕೌಸ್ಟಿಕ್ ಮಾದರಿ ಮೂಲಕ ಹಾದುಹೋಗುತ್ತದೆ. ಇದು ಸಮಯದೊಂದಿಗೆ, ಸುಮಾರು 20 ಮಿಲಿಸೆಕೆಂಡ್ ಅಂತರದಲ್ಲಿ, ವಿವಿಧ ಮಾತು ಶಬ್ದಗಳಿಗಾಗಿ ಸಾಕ್ಷ್ಯವನ್ನು ಉತ್ಪತ್ತಿ ಮಾಡುತ್ತದೆ.

ಇದು ದಾಖಲೆಯ ಧ್ವನಿವಿಜ್ಞಾನ ಪ್ರತಿನಿಧಿ. ಅಂಕಗಣಕವು ವಾಕ್ಯವನ್ನು ಪುನರ್ ನಿರ್ಮಿಸಲು ಪದ‑ಮಟ್ಟದ ಭಾಷಾ ಮಾದರಿಯನ್ನು ಬಳಸುವುದಿಲ್ಲ.

ಸಿಸ್ಟಮ್ ನಂತರ ಆ ಅಕೌಸ್ಟಿಕ್ ಔಟ್‌ಪುಟ್‌ಗಳನ್ನು ಎರಡು ರೀತಿಯಲ್ಲಿ ಪರಿಶೀಲಿಸುತ್ತದೆ:

ವಿಧಾನ	ಇದು ಏನು ಮಾಡುತ್ತದೆ
ಅಪೇಕ್ಷಿತ-ಶಬ್ದ ಹೊಂದಾಣಿಕೆ	ಅಪೇಕ್ಷಿತ ಶಬ್ದಗಳ ಉತ್ತಮ ಸಮಯವನ್ನು ಕಂಡುಹಿಡಿದು, ಪ್ರತಿ ಪದಕ್ಕೆ ಪೂರ್ಣ ಉಚ್ಚಾರಣಾ ರೂಪವನ್ನು ಆಯ್ಕೆ ಮಾಡುತ್ತದೆ.
ಸ್ವತಂತ್ರ ಶಬ್ದ ಗುರುತಿಸುವಿಕೆ	ರೆಫರೆನ್ಸ್ ವಾಕ್ಯವನ್ನು ಅಗತ್ಯವಿಲ್ಲದೆ, ಮಾದರಿಯು ಪ್ರಾಶಸ್ತ್ಯ ನೀಡುವ ಶಬ್ದಗಳನ್ನು ಅನುಸರಿಸುತ್ತದೆ

ಎರಡೂ ದೃಷ್ಟಿಕೋನಗಳು ಅಗತ್ಯ, ಏಕೆಂದರೆ ಹೊಂದಾಣಿಕೆ ಮಾತನಾಡುವವರು ಶಬ್ದವನ್ನು ಬಿಡಿಸಿದರೂ ಕೂಡಾ ದಾಖಲೆಯಲ್ಲಿ ಅಪೇಕ್ಷಿತ ಶಬ್ದವನ್ನು ಏನೋ ಸ್ಥಳದಲ್ಲಿ ಇರಿಸಬಹುದು. ಸ್ವತಂತ್ರ ಶಬ್ದ ಗುರುತಿಸುವಿಕೆ ವಾಸ್ತವವಾಗಿ ಯಾವ ಶಬ್ದಗಳು ಉಚ್ಚರಿಸಲ್ಪಟ್ಟಿವೆ ಎಂಬ ಹೆಚ್ಚುವರಿ ಸಾಕ್ಷ್ಯವನ್ನು ಒದಗಿಸುತ್ತದೆ.

ಹೊಂದಾಣಿಕೆ ಸಮಯವನ್ನು ಕೂಡಾ ಪರಿಗಣಿಸುತ್ತದೆ, ಇದರಿಂದ ಒಂದು ಪದದ ಶಬ್ದವನ್ನು ದೂರದ ಪದದ ಸಾಕ್ಷ್ಯವಾಗಿ ಬಳಸುವುದು ಕಷ್ಟವಾಗುತ್ತದೆ.

ಪ್ರತಿ ಶಬ್ದಕ್ಕೆ ಅಂಕ ನೀಡುವುದು

ಪ್ರತಿ ಹೊಂದಾಣಿಕೆಯ ಶಬ್ದಕ್ಕೆ, ಅಂಕಗಣಕವು ಉಚ್ಚಾರಣಾ ನಿಖರತೆ ಮಾಪಕ ಅನ್ನು ಗಣನೆ ಮಾಡುತ್ತದೆ: ನಿರ್ದಿಷ್ಟ ಅವಧಿಯಲ್ಲಿ ಮಾದರಿ ಅಪೇಕ್ಷಿತ ಶಬ್ದವನ್ನು ಸ್ಪರ್ಧಾತ್ಮಕ ಶಬ್ದಗಳಿಗಿಂತ ಎಷ್ಟು ಬಲವಾಗಿ ಬೆಂಬಲಿಸುತ್ತದೆ.

ಇದು ಇನ್ನೂ ಪರಿಗಣಿಸುತ್ತದೆ:

• ಅಪೇಕ್ಷಿತ ಶಬ್ದದ ಶೃಂಗ ಸಾಧ್ಯತೆ.
• ಸ್ವತಂತ್ರ ಶಬ್ದ ಗುರುತಿಸುವಿಕೆ ಸಮೀಪದಲ್ಲಿ ಹೊಂದಾಣಿಕೆಯ ಶಬ್ದವನ್ನು ಕಂಡುಹಿಡಿದಿದೆಯೇ ಎಂದು.

ಒಂದು ಗಣಿತೀಯ ಮ್ಯಾಪಿಂಗ್ ಈ ಸಾಕ್ಷ್ಯವನ್ನು 0 ರಿಂದ 100 ರ ನಡುವೆ ಶಬ್ದ ನಿಖರತೆ ಮೌಲ್ಯ ಗೆ ಪರಿವರ್ತಿಸುತ್ತದೆ.

ಸ್ವತಂತ್ರ ಗುರುತಿಸುವಿಕೆಯ ಫಲಿತಾಂಶದಲ್ಲಿ ಶಬ್ದ ಕಾಣದಿದ್ದರೂ ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಶೂನ್ಯ ಪಡೆಯುವುದಿಲ್ಲ. ಅಕೌಸ್ಟಿಕ್ ಸಾಕ್ಷ್ಯ ಇನ್ನೂ ಮಹತ್ವದಾಗಿದೆ.

ಯಾವ ಪದಗಳಿಗೆ ಗಮನ ನೀಡಬೇಕು ಎಂದು ನಿರ್ಧರಿಸುವುದು

ಪದ ಪ್ರತಿಕ್ರಿಯೆ ಈ ಶಬ್ದ ಮೌಲ್ಯಗಳನ್ನು ಸ್ಪಷ್ಟ ದೋಷ ಪರಿಶೀಲನೆಗಳೊಂದಿಗೆ ಸಂಯೋಜಿಸುತ್ತದೆ. ಒಂದು ಪದವು:

• ಅದು ಮಾತನಾಡಲಾಗಿದೆ ಎಂಬ ಸಾಕಷ್ಟು ಸಾಕ್ಷ್ಯವಿರಬೇಕು.
• ಸಂರಚಿತ ಸರಾಸರಿ ನಿಖರತೆ ಮಿತಿಯನ್ನು ಪೂರೈಸಬೇಕು.
• ಪತ್ತೆಯಾದ ಬದಲಾವಣೆಗಳು, ಸೇರಿಕೆಗಳು, ಅಥವಾ ಗಂಭೀರ ಶಬ್ದ ಕಳೆವ ದೋಷಗಳನ್ನು ತಪ್ಪಿಸಬೇಕು.

ಸ್ಪಷ್ಟ ಬದಲಾವಣೆಗಳಿಗೆ ಅಪೇಕ್ಷಿತ ಶಬ್ದದ ದುರ್ಬಲ ಬೆಂಬಲ ಮತ್ತು ಸ್ಪರ್ಧಾತ್ಮಕ ಶಬ್ದದ ಬಲವಾದ ಬೆಂಬಲ ಅಗತ್ಯ.

ಸಾಕ್ಷ್ಯ	ಪ್ರಸ್ತುತ ಮಿತಿ
ಅಪೇಕ್ಷಿತ ಶಬ್ದದ ಬೆಂಬಲ	0.05 ಕ್ಕಿಂತ ಕಡಿಮೆ
ಅದರ ಬದಲಾವಣೆಯ ಬೆಂಬಲ	ಕನಿಷ್ಠ 0.5

ಇವು ಮಾದರಿ ಸಾಕ್ಷ್ಯ ಮಿತಿಗಳು, ಮಾನವ ಶ್ರೋತರು ಪದವನ್ನು ತಪ್ಪು ಎಂದು ನಿರ್ಣಯಿಸುವ ಸಾಧ್ಯತೆಗಳಲ್ಲ.

ಗುರುತಿಸಲ್ಪಟ್ಟ ಪದಗಳಿಗಾಗಿ, ವ್ಯವಸ್ಥೆ ಅಪೇಕ್ಷಿತ ಉಚ್ಚಾರಣೆ ಮತ್ತು ಅದರ ಅಂದಾಜು ಶಬ್ದಗಳನ್ನು International Phonetic Alphabet (IPA) ನಲ್ಲಿ ಹಿಂತಿರುಗಿಸುತ್ತದೆ. ಈ ಅಂದಾಜು ವಿಶೇಷವಾಗಿ ಪದಗಳ ಗಡಿಗಳಲ್ಲಿ ಅಸಂಪೂರ್ಣವಾಗಿರಬಹುದು.

ವಾಕ್ಯದ ಅಂಕವನ್ನು ನಿರ್ಮಿಸುವುದು

ವಾಕ್ಯ ಅಂಕವು ಈ ಕೆಳಗಿನ ಸಂಯೋಜಿತ ಮೌಲ್ಯದಿಂದ ಪ್ರಾರಂಭವಾಗುತ್ತದೆ:

• ಸರಾಸರಿ ಶಬ್ದ ನಿಖರತೆ.
• ಸ್ವತಂತ್ರ ಶಬ್ದ ಗುರುತಿಸುವಿಕೆಯ ಮೂಲಕ ಹೊಂದಾಣಿಕೆಯಾದ ಅಪೇಕ್ಷಿತ ಶಬ್ದಗಳ ಪಾಲು.
• ಪ್ರತಿ ಸೆಕೆಂಡ್‌ಗೆ ಉಚ್ಚರಿಸಲಾದ ಮಾತು ಶಬ್ದಗಳ ಸಂಖ್ಯೆ.
• ಪದಗಳ ನಡುವೆ ಉದ್ದವಾದ ವಿರಾಮಗಳು.

ಸಮಯ ಲೆಕ್ಕಾಚಾರವು ಮೊದಲ ಹೊಂದಾಣಿಕೆಯ ಶಬ್ದಕ್ಕೂ ಮುನ್ನ ಮತ್ತು ಕೊನೆಯದಕ್ಕೂ ನಂತರದ ಶಾಂತಿಯನ್ನು ಹೊರಗಿಡುತ್ತದೆ.

ಈ ಲಕ್ಷಣಗಳು ಒಂದು ಒಟ್ಟು ಅಂಕ ಗೆ ಕೊಡುಗೆ ನೀಡುತ್ತವೆ. ಪ್ರಸ್ತುತ ಅನುಷ್ಠಾನವು ಪ್ರತ್ಯೇಕ ಬಳಕೆದಾರ‑ಮುಖದ ಪ್ರವಾಹ, ಪೂರ್ಣತೆ, ಅಥವಾ ಸ್ವರ‑ಮಾಡು ಅಂಕಗಳನ್ನು ನೀಡುವುದಿಲ್ಲ.

ಪದ ಕ್ರೆಡಿಟ್ ಫಲಿತಾಂಶವನ್ನು ಹೇಗೆ ಪ್ರಭಾವಿಸುತ್ತದೆ

ಅಂಕಗಣಕವು ನಂತರ ಸ್ಪಷ್ಟ ಪದ‑ಕ್ರೆಡಿಟ್ ಗುಣಕ ಅನ್ನು ಅನ್ವಯಿಸುತ್ತದೆ. ಪ್ರತಿ ಪದವನ್ನು ಅದರ ಆಯ್ದ ಉಚ್ಚಾರಣೆಯಲ್ಲಿನ ಶಬ್ದಗಳ ಸಂಖ್ಯೆಯಿಂದ ತೂಕ ನೀಡಲಾಗುತ್ತದೆ.

ಪದ ಫಲಿತಾಂಶ	ಕ್ರೆಡಿಟ್ ಗಳಿಕೆ
ಸರಿಯಾದ	ಪೂರ್ಣ ತೂಕ
ಮಾತನಾಡಲಾಗಿದೆ ಆದರೆ ಗುರುತಿಸಲ್ಪಟ್ಟಿದೆ	ಅದರ ತೂಕದ ಒಂದು ನಾಲ್ಕು ಭಾಗ
ಬಿಡಲಾಗಿದೆ	ಕ್ರೆಡಿಟ್ ಇಲ್ಲ

ಗಣನೆ ಈ ರೀತಿ ಇದೆ:

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

ಅದರಿಂದ, ದೊಡ್ಡ ತಪ್ಪು ಪದವು ಸಾಮಾನ್ಯವಾಗಿ ಚಿಕ್ಕ ಪದಕ್ಕಿಂತ ಹೆಚ್ಚು ವೆಚ್ಚವಾಗುತ್ತದೆ. ವಾಕ್ಯದ ಕೇವಲ ಒಂದು ಚಿಕ್ಕ ಭಾಗವನ್ನು ಓದಿದರೂ ಅಂಕವನ್ನು ಮಿತಿಗೊಳಿಸುತ್ತದೆ, ಆ ಭಾಗ ಸ್ಪಷ್ಟವಾಗಿದ್ದರೂ.

ನಿಮ್ಮ ಅಂಕವನ್ನು ಉಲ್ಲೇಖದೊಂದಿಗೆ ಹೋಲಿಸುವುದು

ಕೊನೆಗೆ, ವ್ಯವಸ್ಥೆ ಅದೇ ವಾಕ್ಯದ ಉಲ್ಲೇಖ ದಾಖಲೆಯನ್ನು ಬಳಸಿಕೊಂಡು ಕಚ್ಚಾ ಅಂಕವನ್ನು ಸಾಮಾನ್ಯೀಕರಣ ಮಾಡಬಹುದು.

ಅದು ಸಂಶ್ಲೇಷಿತ ಉಲ್ಲೇಖವನ್ನು ಅದೇ ಅಂಕಗಣಕ ಆವೃತ್ತಿಯೊಂದಿಗೆ ಅಂಕಗಣನೆ ಮಾಡುತ್ತದೆ ಮತ್ತು, ಬಳಸಬಹುದಾದ ಹೊಂದಾಣಿಕೆಯ ಬೇಸ್‌ಲೈನ್ ಈಗಾಗಲೇ ಲಭ್ಯವಿದ್ದರೆ, ಇದನ್ನು ಅನ್ವಯಿಸುತ್ತದೆ:

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

ಉದಾಹರಣೆಗೆ, ಕಚ್ಚಾ ಅಂಕ 80 ಮತ್ತು ಉಲ್ಲೇಖ ಅಂಕ 88 ಆಗಿದ್ದರೆ, ಅದು ಸುಮಾರು 90.9 ಆಗುತ್ತದೆ.

ಈ ಸರಿಹೊಂದಿಸುವಿಕೆ ಮಾದರಿ ಉಲ್ಲೇಖ ದಾಖಲೆಗೆ ಕೂಡ 100 ಕ್ಕಿಂತ ಕಡಿಮೆ ಅಂಕ ನೀಡುವ ಸಾಧ್ಯತೆಯನ್ನು ಪರಿಗಣಿಸುತ್ತದೆ.

ಬೇಸ್‌ಲೈನ್‌ಗಳು ಈ ವಿಷಯಗಳಿಗೆ ಸಂಬಂಧಿಸಿದೆ:

• ಉಲ್ಲೇಖ ಧ್ವನಿ ಮತ್ತು ಮಾತು‑ಉತ್ಪಾದನಾ ಮಾದರಿ.
• ಅಂಕಗಣನಾ ಮಾದರಿ.
• ಪದಕೋಶ.
• ಕ್ಯಾಲಿಬ್ರೇಶನ್ ಮತ್ತು ನಿಯಮ ಆವೃತ್ತಿ.

ಹೊಂದಾಣಿಕೆಯ ಬೇಸ್‌ಲೈನ್ ಲಭ್ಯವಿಲ್ಲದಿದ್ದರೂ ಅಥವಾ ಬಳಸಲಾಗದಿದ್ದರೂ, ಫಲಿತಾಂಶವು ತನ್ನ ಕಚ್ಚಾ ಅಂಕವನ್ನು ಉಳಿಸುತ್ತದೆ. ಮೊದಲ ಪ್ರಯತ್ನವು ನಂತರದ ಪ್ರಯತ್ನಗಳಿಗಾಗಿ ಬೇಸ್‌ಲೈನ್ ತಯಾರಾಗುವವರೆಗೆ ಸರಿಹೊಂದಿಸದಿರಬಹುದು.

ನಿಮ್ಮ ಅಂಕದ ಅರ್ಥ

ಫಲಿತಾಂಶದ ಸಂಖ್ಯೆ HolosAccent ನ ಮಾಪಕದ ಪ್ರಾಕ್ಟೀಸ್ ಅಂಕ ಆಗಿದೆ.

90 ಅಂಕ ಎಂದರೆ ನಿಮ್ಮ ಪದಗಳ 90 ಶೇಕಡಾ ಸರಿಯಾದವು ಎಂದು ಅರ್ಥವಲ್ಲ, ಮತ್ತು ಅದು CEFR ಮಟ್ಟ ಅಥವಾ ಸ್ಥಳೀಯ‑ಭಾಷಿಗರ ಸಮಾನತೆಯನ್ನು ಸ್ಥಾಪಿಸುವುದಿಲ್ಲ.

ಮ್ಯಾಪಿಂಗ್ ಅನ್ನು ತಜ್ಞ‑ರೇಟಿಂಗ್ ದಾಖಲೆಗಳ ಮೂಲಕ ಹೊಂದಿಸಲಾಗಿದೆ, ಆದರೆ ಹೊಸ ಅಂಕಗಣನಾ ವ್ಯವಸ್ಥೆ ಇನ್ನೂ ಪ್ರಯೋಗಾತ್ಮಕವಾಗಿದ್ದು, ಅದರ ಪೂರ್ಣ ಸ್ವೀಕಾರ ಮಾನದಂಡಗಳು ಇನ್ನೂ ದೃಢೀಕರಿಸಲಾಗಿಲ್ಲ. ಇದು ದೋಷಗಳನ್ನು ಮಿಸ್ ಮಾಡಬಹುದು ಅಥವಾ ಸ್ವೀಕಾರಾರ್ಹ ಮಾತುಗಳನ್ನು ಗುರುತಿಸಬಹುದು.

ವೈಯಕ್ತಿಕ ಪದ ಪ್ರತಿಕ್ರಿಯೆ ಮತ್ತು ಪುನರಾವರ್ತಿತ ಪ್ರಯತ್ನಗಳ ಮಾದರಿಗಳು ಸಂಖ್ಯೆಯನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಲು ಸಂದರ್ಭವನ್ನು ನೀಡುತ್ತವೆ.