HolosAccent Сиздин Үнүңүздү Жөндөм Сапатына Айлантат

Жазууңузду Даярдоо

Алгач, аудио стандарттык форматка декоддолот: mono sound sampled at 16 kHz.

Система жазуунун сигнал‑шум катышын баалайт. Эгер бул баа 25 dBтен төмөн болуп, шуу фильтрациясы жеткиликтүү болсо, a noise-reduction filter‘ди талдоодон мурун колдонулат. Эгер фильтрация ишке ашпаса, оригинал жазуу менен уланат.

Андан соң, толкун формасы сүйлөмдү талдоо моделинин кирүү талаптарына ылайык нормалдаштырылат. Жарты секундтан кыска үнсүз жазуулар нөл баа алат.

Ар кандай айтылыштарды Көзөмөлдөө

Кийинки кадамда, шилтемелүү текст a pronunciation engine колдонуп фонетикалык айтылышка айланат. Бир сөздүн бир нече кабыл алынган формалары болушу мүмкүн.

Айтылыштар жыйындысы камтыйт:

• Британия жана Америка варианттары.
• Көп колдонулган кыскартылган формалар, мисалы to сөзүндөгү басымсыз үндү.
• Тандалган контексттик альтернатива.

Мисалы, close the door сөзүндөгү акыркы согуштук үн a close friend сөзүндөгү согуштук үндөн айырмаланат. Система сүйлөмдү иштеткенде колдоого алынган альтернативадан тандап алат.

Үндөрдү Угуу, Сөздөрдү Кайра Түзүү Жок

Жазуу an acoustic model аркылуу өтөт. Ал убакыт бою ар кандай сүйлөм үндөрү үчүн далилдерди түзөт, болжолдуу 20-millisecond intervals сайын.

Бул жазуунун фонетикалык көрсөтмөсү. Баалоочу сүйлөмдү кайра түзүү үчүн сөз деңгээлиндеги тил моделин колдонбайт.

Система ошол акустикалык чыгармаларды эки түрдүү карайт:

Метод	Эмне кылат
Expected-sound alignment	Күтүлгөн үндөр үчүн эң жакшы убакытты табат, ар бир сөз үчүн толук айтылыш вариантын тандайт.
Independent sound recognition	Модель жактырган үндөрдү референс сүйлөмүн талап кылбай ээрчип жүрөт.

Эки көз караш да керек, анткени alignment кутулган үндү жазуу ичинде, сүйлөчү аны өткөрүп жиберсе да, орундай алат. Independent sound recognition чыныгы айтылган үндөр жөнүндө кошумча далилдерди камсыздайт.

Салыштыруу убакытты да эске алат, бир сөздөгү үндү алыстагы сөз үчүн далил катары эсептөө кыйындатат.

Ар бир үндү баалоо

Ар бир тууралаган үн үчүн, баалоочу pronunciation accuracy measure‘ди эсептейт: ошол интервалда кутулган үндү башка үндөргө карата модель канчалык колдойт.

Ал ошондой эле эске алат:

• Кутулган үндүн максимум мүмкүнчүлүгү.
• Independent sound recognition жакын жерде дал келген үндү тапканбы.

Тууралаган математикалык карта бул далилдерди sound accuracy value between 0 and 100‘ге айлантат.

Independent recognition жыйынтыгында жетишпей калган үн автоматтык түрдө нөлгө алынбайт. Акустикалык далил дагы маанилүү.

Кайсы сөздөргө көңүл буруу керектигин чечүү

Сөздөрдүн кайтарымы бул үн маанилерин ачык ката текшерүүлөрү менен бириктирет. Сөз төмөнкүлөрдү аткаруусу керек:

• Айтылгандыгын көрсөтө турган жетиштүү далилдерге ээ болуу.
• Конфигурацияланган орточо тактык чекеги менен шайкеш келүү.
• Табылган алмаштырууларды, кошулмаларды же олуттуу жетишпей калган үн катааларын болтурбоо.

Ачык алмаштыруулар кутулган үн үчүн алсыз колдоо жана башка үн үчүн күчтүү колдоо талап кылат.

Далил	Учурдагы чекит
Кутулган үн үчүн колдоо	Below 0.05
Алмаштыруу үчүн колдоо	At least 0.5

Бул model evidence thresholds, адам кулактандыруу сөздү туура эмес деп баалаган мүмкүнчүлүктөр эмес.

Белгиленген сөздөр үчүн система кутулган айтылышты жана угулган үндөрдүн болжолун International Phonetic Alphabet (IPA)‘де кайтарат. Бул болжол сөз чектеринде өзгөчө так болбой калышы мүмкүн.

Сүйлөмдүн баасын куруу

Сүйлөмдүн баасы төмөндөгү түзүлгөн комбинациядан башталат:

• Орточо үн тактыгы.
• Independent sound recognition тарабынан кутулган үндөрдүн катышы.
• Секундада айтылган сүйлөм үндөрүнүн саны.
• Сөздөр ортосундагы узак токтоолор.

Убакыт эсептөө биринчи тууралган үндөн мурун жана акыркы үндөн кийин болгон үнсүздү камтыбайт.

Бул өзгөчөлүктөр бир жалпы баага салым кошот. Учурдагы ишке ашыруу өзүнчө колдонуучуга көрсөтүлгөн fluency, completeness, же intonation бааларын бербейт.

Сөз кредитинин жыйынтыкка таасири

Баалоочу андан соң ачык word-credit multiplier‘ди колдонот. Ар бир сөз тандалган айтылышындагы үндөрдүн санына жараша салмакталат.

Сөздүн жыйынтыгы	Алынган кредит
Туура	Толук салмак
Айтылган, бирок белгиленген	Салмагынын бир төрттөн бир бөлүгү
Өткөрүлбөгөн	Кредит жок

Эсептөө төмөндөгүчө:

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

Ошентип, узун туура эмес сөз кыска сөзгө караганда көбүрөөк кымбатка турат. Сүйлөмдүн кече бөлүгүн гана окуу да бааны чектейт, бул бөлүк так угулса да.

Сиздин бааны шилтемеге салыштыруу

Акырында система бирдей фразанын шилтемелүү жазуусу аркылуу чийилген бааны нормалдай алат.

Ал синтезделген шилтемени ошол эле scorer версиясы менен баалайт жана колдонууга жарактуу baseline бар болсо, колдонулат:

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

Мисалы, чийилген баа 80 жана шилтемелүү баа 88 болгондо, болжолдуу 90.9 болуп чыгат.

Бул жөндөө модель шилтемелүү жазуу үчүн да 100дөн аз баа бериши мүмкүн дегенди эске алат.

Baseline’дар байланышкан:

• Шилтемелүү үн жана сүйлөм генерациялоо модели.
• Баалоо модели.
• Сөздүк.
• Калибрлөө жана эрежелердин версиясы.

Эгер ылайыккан baseline жеткиликтүү болбосо же колдонууга жараксыз болсо, жыйынтык чийилген баасын сактайт. Биринчи аракетте baseline даярдалганга чейин баа жөндөөлөрдөн өтпөй калышы мүмкүн.

Сиздин баа эмне билдирет

Алынган сан HolosAccent’тин шкаласынан практикалык баа болуп саналат.

90 баа сиздин сөздөрүңүздүн 90 пайызы туура дегенди билдирбейт, жана ал CEFR деңгээлин же жергиликтүү сүйлөгөн адамга теңдештигин көрсөтпөйт.

Карталоо эксперттер баалаган жазуулар менен түзүлгөн, бирок жаңы баалоо системасы эксперименталдык болуп кала берет жана анын толук кабыл алуу критерийлери дагы текшерилген эмес. Ал катааларды өткөрүп жибериши же кабыл алынган сүйлөмдү белгилеши мүмкүн.

Жеке сөздөрдүн кайтарымы жана кайталоолор учурундагы үлгүлөр санды түшүнүү үчүн контекстти камсыз кылат.