Bagaimana HolosAccent Menukar Suara Anda menjadi Skor Sebutan

Menyiapkan rakaman anda

Pertama, audio didekodkan ke dalam format standard: mono sound sampled at 16 kHz.

Sistem menganggarkan nisbah isyarat‑kepada‑bunyi (signal-to-noise ratio) rakaman. Jika anggaran itu jatuh di bawah 25 dB dan penapisan bunyi tersedia, ia menggunakan a noise-reduction filter sebelum analisis. Jika penapisan gagal, ia teruskan dengan rakaman asal.

Gelombang suara kemudian dinormalisasi untuk memenuhi keperluan input model analisis pertuturan. Keheningan dan rakaman yang lebih pendek daripada setengah saat menerima skor sifar.

Membenarkan sebutan berbeza

Seterusnya, teks rujukan ditukar menjadi sebutan fonetik menggunakan a pronunciation engine. Satu perkataan boleh mempunyai pelbagai bentuk yang diterima.

Set sebutan termasuk:

• Varian British dan American.
• Bentuk tereduksi yang biasa, seperti vokal tidak tertekan dalam to.
• Alternatif kontekstual terpilih.

Sebagai contoh, konsonan akhir dalam close the door berbeza dengan yang dalam a close friend. Sistem boleh memilih antara alternatif yang disokong semasa memproses ayat.

Mendengar bunyi, bukan menyusun semula perkataan

Rakaman melalui an acoustic model. Ia menghasilkan bukti bagi pelbagai bunyi pertuturan mengikut masa, kira‑kira setiap 20-millisecond intervals.

Ini adalah representasi fonetik rakaman. Penilai tidak menggunakan model bahasa peringkat perkataan untuk menyusun semula ayat.

Sistem kemudian meneliti output akustik tersebut dengan dua cara:

Kaedah	Apa yang dilakukan
Expected-sound alignment	Mencari masa terbaik untuk bunyi yang dijangka, memilih varian sebutan lengkap bagi setiap perkataan.
Independent sound recognition	Mengikuti bunyi yang dipilih oleh model tanpa memerlukan ayat rujukan.

Kedua‑dua pandangan diperlukan kerana penyesuaian boleh meletakkan bunyi yang dijangka di mana‑mana dalam rakaman walaupun penutur menghilangkannya. Independent sound recognition menyediakan bukti tambahan tentang apa yang sebenarnya diucapkan.

Pemadanan juga mengambil kira masa, menjadikannya lebih sukar bagi bunyi dalam satu perkataan untuk dikira sebagai bukti bagi perkataan yang jauh.

Menilai setiap bunyi

Bagi setiap bunyi yang diselaraskan, penilai mengira pronunciation accuracy measure: sejauh mana model menyokong bunyi yang dijangka berbanding bunyi pesaing dalam selang masa tersebut.

Ia juga mengambil kira:

• Kebarangkalian puncak bunyi yang dijangka.
• Sama ada independent sound recognition menemukan bunyi yang sepadan berdekatan.

Pemeta matematik yang disesuaikan menukar bukti ini menjadi sound accuracy value between 0 and 100.

Bunyi yang tiada dalam keputusan independent recognition tidak serta‑merta menerima sifar. Bukti akustik masih penting.

Menentukan perkataan mana yang memerlukan perhatian

Maklum balas perkataan menggabungkan nilai bunyi ini dengan pemeriksaan ralat eksplisit. Satu perkataan mesti:

• Mempunyai bukti yang cukup bahawa ia diucapkan.
• Memenuhi ambang ketepatan purata yang dikonfigurasikan.
• Mengelakkan penggantian, sisipan, atau ralat bunyi yang hilang yang terdeteksi.

Penggantian jelas memerlukan weak support for the expected sound dan strong support for a competing sound.

Bukti	Ambang semasa
Sokongan untuk bunyi yang dijangka	Below 0.05
Sokongan untuk gantinya	At least 0.5

Ini adalah model evidence thresholds, bukan kebarangkalian yang akan dinilai oleh pendengar manusia sebagai perkataan tidak betul.

Bagi perkataan yang ditanda, sistem mengembalikan sebutan yang dijangka dan anggarannya bagi bunyi yang didengar, ditulis dalam International Phonetic Alphabet (IPA). Anggaran itu boleh tidak sempurna, terutamanya di sekitar sempadan perkataan.

Membina skor ayat

Skor ayat bermula dengan gabungan yang disesuaikan daripada:

• Ketepatan bunyi purata.
• Bahagian bunyi yang dijangka yang dipadankan oleh independent sound recognition.
• Bilangan bunyi pertuturan yang diucapkan per saat.
• Jeda panjang antara perkataan.

Pengiraan masa tidak termasuk keheningan sebelum bunyi pertama yang diselaraskan dan selepas yang terakhir.

Ciri‑ciri ini menyumbang kepada one overall score. Pelaksanaan semasa tidak menyediakan skor kelancaran, kelengkapan, atau intonasi yang berasingan untuk pengguna.

Bagaimana kredit perkataan mempengaruhi keputusan

Penilai kemudian menggunakan word-credit multiplier yang eksplisit. Setiap perkataan diberi berat mengikut bilangan bunyi dalam sebutan yang dipilih.

Keputusan perkataan	Kredit yang diperoleh
Correct	Full weight
Spoken but flagged	One quarter of its weight
Omitted	No credit

Pengiraannya ialah:

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

Oleh itu, perkataan yang panjang dan salah biasanya menelan kos lebih tinggi berbanding yang pendek. Membaca hanya sebahagian kecil ayat juga mengehadkan skor, walaupun bahagian itu jelas.

Membandingkan skor anda dengan rujukan

Akhirnya, sistem boleh menormalkan skor mentah menggunakan reference recording of the same phrase.

Ia menilai rujukan yang disintesis dengan versi penilai yang sama dan, apabila baseline padanan yang boleh digunakan sudah ada, ia menggunakan:

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

Sebagai contoh, skor mentah 80 berbanding skor rujukan 88 menjadi kira‑kira 90.9.

Penyesuaian ini mengambil kira fakta bahawa model mungkin memberi skor kurang daripada 100 walaupun untuk rakaman rujukan.

Baseline diikat kepada:

• Suara rujukan dan model penjanaan pertuturan.
• Model penilaian.
• Perbendaharaan kata.
• Versi penentukuran dan peraturan.

Jika baseline padanan tidak tersedia atau tidak boleh digunakan, keputusan mengekalkan skor mentahnya. Percubaan pertama oleh itu boleh tetap tidak disesuaikan sementara baseline disediakan untuk percubaan berikutnya.

Apa maksud skor anda

Nombor yang terhasil ialah practice score on HolosAccent’s scale.

Skor 90 tidak bermakna 90 peratus perkataan anda betul, dan ia tidak menetapkan tahap CEFR atau kesamaan penutur asli.

Pemetaannya telah disesuaikan menggunakan rakaman yang dinilai pakar, tetapi new scoring system remains experimental dan semua kriteria penerimaan belum lagi disahkan. Ia boleh terlepas ralat atau menanda pertuturan yang boleh diterima.

Maklum balas perkataan individu dan corak dalam percubaan berulang memberikan konteks untuk mentafsir nombor tersebut.