ວິທີທີ່ HolosAccent ປ່ຽນສຽງຂອງທ່ານເປັນຄະແນນການອອກສຽງ

Preparing your recording

ກ່ອນທີ່ຈະເລີ່ມ, ສຽງຖືກຖອດລະຫັດເຂົ້າໃນຮູບແບບມາດຕະຖານ: mono sound sampled at 16 kHz.

ລະບົບຈະຄາດຄະແນນອັດຕາສັນຍາລະຫວ່າງສຽງແລະໂຕສຽງ (SNR). ຖ້າຄາດຄະແນນນັ້ນຕ່າງກວ່າ 25 dB ແລະມີການກັ່ນຕອບສຽງ, ຈະນຳ a noise-reduction filter ກ່ອນການວິເຄາະ. ຖ້າການກັ່ນຕອບລົ້ມເລວ, ຈະສືບຕໍ່ດ້ວຍການບັນທຶກຕົ້ນສະບັບ.

ຮູບແບບຊ່ອງໄວ້ (waveform) ຈະຖືກປັບແປງໃຫ້ສອດຄ່ອງກັບຄວາມຕ້ອງການຂອງໂມເດລການວິເຄາະສຽງ. ຄວາມງຽບແລະການບັນທຶກທີ່ສັ້ນກວ່າຄົ້ນໜຶ່ງວິນາທີຈະໄດ້ຄະແນນສູນ.

Allowing different pronunciations

ຕໍ່ໄປ, ຂໍ້ຄວາມອ້າງອີງຈະຖືກປ່ຽນເປັນການອອກສຽງພອນທິກໂດຍໃຊ້ a pronunciation engine. ຄຳສາມາດມີຮູບແບບທີ່ຍອມຮັບຫຼາຍອັນ.

ຊຸດການອອກສຽງລວມມີ:

• British and American variants.
• Common reduced forms, such as the unstressed vowel in to.
• Selected contextual alternatives.

ຕົວຢ່າງ, ອັກສອນສຸດທ້າຍໃນ close the door ຈະແຕກຕ່າງຈາກອັກສອນສຸດທ້າຍໃນ a close friend. ລະບົບສາມາດເລືອກຈາກທາງເລືອກທີ່ຮອງຮັບໃນຂະນະທີ່ກຳລັງປະມວນຜົນປະໂຫຍກ.

Listening to sounds, not reconstructing words

ການບັນທຶກຈະຜ່ານ an acoustic model. ມັນສ້າງພິມພິບັດສຳລັບສຽງການພູດຕ່າງໆ ຕາມເວລາ, ປະມານ 20-millisecond intervals.

ນີ້ແມ່ນການສະແດງພອນທິກຂອງການບັນທຶກ. ຕົວຄະແນນບໍ່ໃຊ້ໂມເດລພາສາລະດັບຄຳເພື່ອສ້າງປະໂຫຍກຂຶ້ນໃໝ່.

ລະບົບຈຶ່ງກວດສອບຜົນອອກຂອງສຽງອັກສຽງໃນສອງວິທີ:

ວິທີ	ວ່າມັນເຮັດຫຍັງ
Expected-sound alignment	ຊອກຫາເວລາທີ່ດີທີ່ສຸດສຳລັບສຽງທີ່ຄາດຄະເນ, ເລືອກຮູບແບບການອອກສຽງທີ່ສົມບູນສຳລັບແຕ່ລະຄຳ.
Independent sound recognition	ຕາມສຽງທີ່ໂມເດລຊອບພາບໂດຍບໍ່ຕ້ອງອ້າງອີງປະໂຫຍກອ້າງອີງ.

ທັງສອງມຸມມองຈະຈໍາເປັນເພາກການຈັດການສາມາດວາງສຽງທີ່ຄາດຄະເນໄວ້ໃນການບັນທຶກແຖວແດ່ວ່າຜູ້ພູດບໍ່ໄດ້ອ້າງອີງ. ການຮັບຮອງສຽງອິດສະຫຼະຈະໃຫ້ພິມພິບັດເພີ່ມເຕີມກ່ຽວກັບສຽງທີ່ຈິງໆທີ່ຖືກພູດ.

ການຈັບຄູ່ຍັງພິຈາລະນາເວລາ, ຊ່ວຍໃຫ້ສຽງໃນຄຳດຽວບໍ່ສາມາດນັບເປັນພິມພິບັດສຳລັບຄຳອື່ນທີ່ໄກໆ.

Scoring each sound

ສໍາລັບສຽງທີ່ຈັດການແຕ່ລະອັນ, ຕົວຄະແນນຄິດໄລ່ pronunciation accuracy measure: ວ່າໂມເດລສະໜັບສະໜູນສຽງທີ່ຄາດຄະເນແບບແຂງແກ່ສຽງທີ່ແຂ່ງຂັນໃນໄລຍະເວລານັ້ນ.

ມັນຍັງພິຈາລະນາ:

• ຄວາມໜ້າທີ່ສູງສຸດຂອງສຽງທີ່ຄາດຄະເນ.
• ວ່າການຮັບຮອງສຽງອິດສະຫຼະພົບສຽງທີ່ກົງກັນໃກ້ຕ່າງບໍ່.

ການສັ່ງຕາມການຄິດຄ່າທາງຄະນິດສາດຈະປ່ຽນພິມພິບັດນັ້ນເປັນ sound accuracy value between 0 and 100.

ສຽງທີ່ບໍ່ພົບໃນຜົນການຮັບຮອງສຽງອິດສະຫຼະບໍ່ໄດ້ຮັບຄ່າສູນອັດຕະໂນມັດ. ພິມພິບັດສຽງຍັງມີຄວາມສໍາຄັນ.

Deciding which words need attention

ການຕັດສິນໃຈວ່າຄຳໃດຈຳເປັນຕ້ອງໄດ້ຮັບການສັງເກດ ການຕອບກັບຄຳປະສົມຜົນກັບພິມພິບັດສຽງນັ້ນພ້ອມກັບການກວດສອບຂໍ້ຜິດພາດຊັດແຈນ. ຄຳຕ້ອງ:

• ມີພິມພິບັດພຽງພໍທີ່ຊອບວ່າຖືກພູດ.
• ຕິດຕາມຂະໜາດຄວາມຖືກຕ້ອງສະເລີຍທີ່ກໍ່ຕັ້ງ.
• ບໍ່ມີການສະແດງການທົດແປງ, ການເພີ່ມ, ຫຼືຂໍ້ຜິດພາດສຽງຂາດຊັດເຈນ.

ການທົດແປງຊັດເຈນຕ້ອງມີ weak support for the expected sound ແລະ strong support for a competing sound.

ພິມພິບັດ	ຂະໜາດການຕັ້ງຄ່າ
Support for the expected sound	Below 0.05
Support for its replacement	At least 0.5

ນີ້ແມ່ນ model evidence thresholds, ບໍ່ແມ່ນຄວາມໜ້າທີ່ທີ່ຜູ່ຊັບມະນຸດຈະຕັດສິນວ່າຄຳຜິດ.

ສໍາລັບຄຳທີ່ຖືກສັງເກດ, ລະບົບຈະສົ່ງກັບການອອກສຽງທີ່ຄາດຄະເນ ແລະການຄາດຄະນັ້ນຂອງສຽງທີ່ຍິນ, ຂຽນໃນ International Phonetic Alphabet (IPA). ການຄາດຄະນັ້ນອາດຈະບໍ່ສົມບູນ, ໂດຍພິເສດໃນພາກທີ່ຂຽວຂອງຄຳ.

Building the sentence score

ຄະແນນປະໂຫຍກເລີ່ມຕົ້ນດ້ວຍການປັບຕາມການຜະລິດສະເລັດ:

• Average sound accuracy.
• The share of expected sounds matched by independent sound recognition.
• The number of speech sounds pronounced per second.
• Long pauses between words.

ການຄິດເວລາຈະບໍ່ລວມຄວາມງຽບກ່ອນສຽງຈັດການທຳອິດ ແລະ ຫຼັງຈາກສຽງສຸດທ້າຍ.

ຄຸນລັກສະນະເຫຼົ່ານີ້ມີຜົນຕໍ່ one overall score. ການດຳເນີນງານປັດຈຸບັນບໍ່ໃຫ້ຄະແນນສ່ວນຕ່າງແຍກຕາມຄວາມຊ່ວຍເຫັນ, ຄວາມສົມບູນ, ຫຼື ຄວາມສຽງສັບສົດ.

How word credit affects the result

ຕົວຄະແນນຈຶ່ງນຳໃຊ້ word-credit multiplier ທີ່ຊັດແຈ້ງ. ຄຳແຕ່ລະຄຳຈະຖືກນໍາແນະດ້ວຍຈຳນວນສຽງໃນການອອກສຽງທີ່ເລືອກ.

ຜົນລັບຂອງຄຳ	ຄວາມສິດທີ່ໄດ້
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

ດັ່ງນັ້ນ, a long incorrect word usually costs more than a short one. ການອ່ານພຽງສ່ວນນ້ອຍຂອງປະໂຫຍກກໍຈະຈຳກັດຄະແນນ, ເຖິງແມ່ນສ່ວນນັ້ນສຽງຊັດເຈນ.

Comparing your score with the reference

ສຸດທ້າຍ, ລະບົບສາມາດປັບຄະແນນດິບດໂດຍໃຊ້ reference recording of the same phrase.

ມັນຄະແນນການສ້າງຂຶ້ນຂອງອ້າງອີງດ້ວຍເວີຊັນຕົວຄະແນນດຽວກັນ, ແລະເມື່ອມີການອ້າງອີງທີ່ໃຊ້ໄດ້ສອດຄ່າກ່ອນແລ້ວ, ຈະນຳໃຊ້:

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

ຕົວຢ່າງ, ຄະແນນດິບ 80 ຕໍ່ກັບຄະແນນອ້າງອີງ 88 ຈະກາຍເປັນປະມານ 90.9.

ການປັບປຸງນີ້ອະນຸຍາດໃຫ້ພິຈາລະນາວ່າໂມເດລອາດຈະໃຫ້ຄະແນນການບັນທຶກອ້າງອີງກໍ່ບໍ່ເຖິງ 100.

ບາຍແລະການອ້າງອີງແມ່ນຜູ້ຕໍ່ກັບ:

• The reference voice and speech-generation model.
• The scoring model.
• The vocabulary.
• The calibration and rule version.

ຖ້າບໍ່ມີການອ້າງອີງທີ່ສອດຄ່າ ຫຼື ບໍ່ສາມາດໃຊ້ໄດ້, ຜົນຈະຄົງຄັ້ງດິບດັ່ງເດີມ. ການພະຍາຍາມຄັ້ງທຳອິດຈຶ່ງອາດຈະບໍ່ມີການປັບປຸງ ໃນຂະນະທີ່ກຳລັງຈັດການອ້າງອີງສໍາລັບການພະຍາຍາມຕໍ່ໄປ.

What your score means

ຕົວເລກທີ່ໄດ້ມາແມ່ນ practice score on HolosAccent’s scale.

ຄະແນນ 90 ບໍ່ໝາຍຄວາມວ່າ 90 ເປີເຊັນຂອງຄຳຂອງທ່ານຖືກຕ້ອງ, ແລະບໍ່ສ້າງຄວາມສະເໝີຂອງ CEFR ຫຼືຄວາມເທียบທຽມຂອງພາສາແມ່ນພຽງພໍ.

ການຈັດຕັ້ງນີ້ໄດ້ຖືກປັບຕາມການບັນທຶກທີ່ຜູ້ຊ່ຽວຊານຈັດການ, ແຕ່ new scoring system remains experimental ແລະມາດຕະການຍອມຮັບທັງໝົດຍັງບໍ່ໄດ້ຖືກກວດສອບ. ມັນອາດຈະພາຍໃຫ້ຜິດພາດຫຼືສັ່ງເຊັກການພູດທີ່ຍອມຮັບ.

ການຕອບກັບຄຳຕ່າງໆ ແລະຮູບແບບການທົດສອບຊ່ອຍກັນໃຫ້ມີບັນດາຂໍ້ມູນເພື່ອອະທິບາຍຕົວເລກ.