ਕਿਵੇਂ HolosAccent ਤੁਹਾਡੀ ਆਵਾਜ਼ ਨੂੰ ਉਚਾਰਨ ਸਕੋਰ ਵਿੱਚ ਬਦਲਦਾ ਹੈ

ਆਪਣੀ ਰਿਕਾਰਡਿੰਗ ਦੀ ਤਿਆਰੀ

ਸਭ ਤੋਂ ਪਹਿਲਾਂ, ਆਡੀਓ ਨੂੰ ਇੱਕ ਮਿਆਰੀ ਫਾਰਮੈਟ ਵਿੱਚ ਡੀਕੋਡ ਕੀਤਾ ਜਾਂਦਾ ਹੈ: mono sound sampled at 16 kHz.

ਸਿਸਟਮ ਰਿਕਾਰਡਿੰਗ ਦੇ signal-to-noise ratio ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਂਦਾ ਹੈ। ਜੇ ਇਹ ਅੰਦਾਜ਼ਾ 25 dB ਤੋਂ ਘੱਟ ਹੋ ਜਾਂਦਾ ਹੈ ਅਤੇ noise filtering ਉਪਲਬਧ ਹੈ, ਤਾਂ ਵਿਸ਼ਲੇਸ਼ਣ ਤੋਂ ਪਹਿਲਾਂ a noise-reduction filter ਲਾਗੂ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਜੇ filtering ਫੇਲ੍ਹ ਹੋ ਜਾਂਦੀ ਹੈ, ਤਾਂ ਇਹ ਮੂਲ ਰਿਕਾਰਡਿੰਗ ਨਾਲ ਹੀ ਜਾਰੀ ਰਹਿੰਦੀ ਹੈ।

ਫਿਰ waveform ਨੂੰ speech analysis model ਦੀ input ਲੋੜਾਂ ਦੇ ਅਨੁਸਾਰ ਨਾਰਮਲਾਈਜ਼ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। silence ਅਤੇ ਅੱਧੇ ਸਕਿੰਟ ਤੋਂ ਛੋਟੀ ਰਿਕਾਰਡਿੰਗ ਨੂੰ zero score ਮਿਲਦਾ ਹੈ।

ਵੱਖ-ਵੱਖ ਉਚਾਰਨਾਂ ਦੀ ਇਜਾਜ਼ਤ

ਅਗਲੇ ਕਦਮ ਵਿੱਚ, reference text ਨੂੰ a pronunciation engine ਦੀ ਵਰਤੋਂ ਕਰਕੇ phonetic pronunciations ਵਿੱਚ ਬਦਲਿਆ ਜਾਂਦਾ ਹੈ। ਇੱਕ ਸ਼ਬਦ ਦੇ ਕਈ ਮਨਜ਼ੂਰਸ਼ੁਦਾ ਰੂਪ ਹੋ ਸਕਦੇ ਹਨ।

ਉਚਾਰਨ ਸੈੱਟ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:

• British ਅਤੇ American variants.
• ਆਮ reduced forms, ਜਿਵੇਂ ਕਿ to ਵਿੱਚ unstressed vowel.
• ਚੁਣੀਆਂ ਹੋਈਆਂ contextual alternatives.

ਉਦਾਹਰਨ ਲਈ, close the door ਵਿੱਚ ਆਖਰੀ consonant a close friend ਵਿੱਚ ਵਾਲੇ ਤੋਂ ਵੱਖਰਾ ਹੁੰਦਾ ਹੈ। ਸਿਸਟਮ ਵਾਕ ਨੂੰ ਪ੍ਰੋਸੈਸ ਕਰਦੇ ਸਮੇਂ ਸਮਰਥਿਤ alternatives ਵਿੱਚੋਂ ਚੁਣ ਸਕਦਾ ਹੈ।

ਧੁਨੀਆਂ ਨੂੰ ਸੁਣਨਾ, ਸ਼ਬਦਾਂ ਨੂੰ ਮੁੜ ਬਣਾਉਣਾ ਨਹੀਂ

ਰਿਕਾਰਡਿੰਗ an acoustic model ਵਿੱਚੋਂ ਲੰਘਦੀ ਹੈ। ਇਹ ਲਗਭਗ 20-millisecond intervals ‘ਤੇ ਵੱਖ-ਵੱਖ speech sounds ਲਈ evidence ਪੈਦਾ ਕਰਦੀ ਹੈ।

ਇਹ ਰਿਕਾਰਡਿੰਗ ਦੀ phonetic representation ਹੈ। scorer ਸ਼ਬਦ-ਪੱਧਰ ਦੇ language model ਦੀ ਵਰਤੋਂ ਨਹੀਂ ਕਰਦਾ ਵਾਕ ਨੂੰ ਮੁੜ ਬਣਾਉਣ ਲਈ।

ਸਿਸਟਮ ਉਹ acoustic outputs ਨੂੰ ਦੋ ਤਰੀਕਿਆਂ ਨਾਲ ਜਾਂਚਦਾ ਹੈ:

ਤਰੀਕਾ	ਇਹ ਕੀ ਕਰਦਾ ਹੈ
Expected-sound alignment	ਉਮੀਦ ਕੀਤੀਆਂ ਧੁਨੀਆਂ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ timing ਲੱਭਦਾ ਹੈ, ਹਰ ਸ਼ਬਦ ਲਈ ਪੂਰਾ pronunciation variant ਚੁਣਦਾ ਹੈ।
Independent sound recognition	ਮਾਡਲ ਦੁਆਰਾ ਪਸੰਦ ਕੀਤੀਆਂ ਧੁਨੀਆਂ ਨੂੰ ਫਾਲੋ ਕਰਦਾ ਹੈ ਬਿਨਾਂ reference sentence ਦੀ ਲੋੜ ਦੇ।

ਦੋਵੇਂ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਲਾਜ਼ਮੀ ਹਨ ਕਿਉਂਕਿ alignment ਇੱਕ ਉਮੀਦ ਕੀਤੀ ਧੁਨੀ ਨੂੰ ਰਿਕਾਰਡਿੰਗ ਵਿੱਚ ਕਿਤੇ ਵੀ ਰੱਖ ਸਕਦੀ ਹੈ, ਭਾਵੇਂ ਬੋਲਣ ਵਾਲੇ ਨੇ ਉਸ ਨੂੰ ਛੱਡ ਦਿੱਤਾ ਹੋਵੇ। Independent sound recognition ਅਸਲ ਵਿੱਚ ਬੋਲੀ ਗਈ ਧੁਨੀ ਬਾਰੇ ਵਾਧੂ evidence ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ।

ਮੈਚਿੰਗ timing ਨੂੰ ਵੀ ਧਿਆਨ ਵਿੱਚ ਰੱਖਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਇੱਕ ਸ਼ਬਦ ਦੀ ਧੁਨੀ ਨੂੰ ਦੂਰਲੇ ਸ਼ਬਦ ਲਈ evidence ਮੰਨਣਾ ਔਖਾ ਹੋ ਜਾਂਦਾ ਹੈ।

ਹਰ ਧੁਨੀ ਨੂੰ ਸਕੋਰ ਕਰਨਾ

ਹਰ aligned ਧੁਨੀ ਲਈ, scorer pronunciation accuracy measure ਦੀ ਗਿਣਤੀ ਕਰਦਾ ਹੈ: ਉਸ interval ਦੌਰਾਨ ਮਾਡਲ ਉਮੀਦ ਕੀਤੀ ਧੁਨੀ ਨੂੰ ਕਿੰਨੀ ਮਜ਼ਬੂਤੀ ਨਾਲ ਸਮਰਥਨ ਕਰਦਾ ਹੈ, ਮੁਕਾਬਲੇ ਵਾਲੀਆਂ ਧੁਨੀਆਂ ਦੇ ਮੁਕਾਬਲੇ।

ਇਹ ਵੀ ਧਿਆਨ ਵਿੱਚ ਰੱਖਦਾ ਹੈ:

• ਉਮੀਦ ਕੀਤੀ ਧੁਨੀ ਦੀ peak probability.
• ਕੀ independent sound recognition ਨੇ ਨੇੜੇ ਕੋਈ ਮਿਲਦੀ ਧੁਨੀ ਲੱਭੀ ਹੈ ਜਾਂ ਨਹੀਂ।

ਇੱਕ fitted ਗਣਿਤੀ ਮੈਪਿੰਗ ਇਸ evidence ਨੂੰ sound accuracy value between 0 and 100 ਵਿੱਚ ਬਦਲਦੀ ਹੈ।

ਇੱਕ ਧੁਨੀ ਜੋ independent recognition ਨਤੀਜੇ ਵਿੱਚ ਗੁੰਮ ਹੈ, ਆਪਣੇ ਆਪ zero ਨਹੀਂ ਮਿਲਦੀ। acoustic evidence ਫਿਰ ਵੀ ਮਹੱਤਵਪੂਰਨ ਰਹਿੰਦੀ ਹੈ।

ਕਿਹੜੇ ਸ਼ਬਦਾਂ ਨੂੰ ਧਿਆਨ ਦੀ ਲੋੜ ਹੈ

Word feedback ਇਨ੍ਹਾਂ sound values ਨੂੰ explicit error checks ਨਾਲ ਜੋੜਦੀ ਹੈ। ਇੱਕ ਸ਼ਬਦ ਨੂੰ:

• ਇਹ ਸਬੂਤ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਉਹ ਬੋਲਾ ਗਿਆ ਸੀ।
• ਕਨਫਿਗਰ ਕੀਤੇ average accuracy threshold ਨੂੰ ਪੂਰਾ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ।
• ਪਤਾ ਲੱਗੀਆਂ substitutions, insertions, ਜਾਂ ਗੰਭੀਰ missing-sound errors ਤੋਂ ਬਚਣਾ ਚਾਹੀਦਾ ਹੈ।

ਸਪਸ਼ਟ substitutions ਲਈ weak support for the expected sound ਅਤੇ strong support for a competing sound ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।

ਸਬੂਤ	ਮੌਜੂਦਾ ਥਰੈਸ਼ਹੋਲਡ
ਉਮੀਦ ਕੀਤੀ ਧੁਨੀ ਲਈ support	Below 0.05
ਇਸਦੀ ਬਦਲੀ ਲਈ support	At least 0.5

ਇਹ model evidence thresholds ਹਨ, ਨਾ ਕਿ ਉਹ probabilities ਜੋ ਮਨੁੱਖੀ ਸੁਣਨ ਵਾਲਾ ਸ਼ਬਦ ਨੂੰ ਗਲਤ ਮੰਨੇ।

ਫਲੈਗ ਕੀਤੇ ਸ਼ਬਦਾਂ ਲਈ, ਸਿਸਟਮ ਉਮੀਦ ਕੀਤੀ pronunciation ਅਤੇ ਸੁਣੀਆਂ ਧੁਨੀਆਂ ਦੀ ਅੰਦਾਜ਼ਾ, International Phonetic Alphabet (IPA) ਵਿੱਚ ਲਿਖੀ, ਵਾਪਸ ਕਰਦਾ ਹੈ। ਇਹ ਅੰਦਾਜ਼ਾ ਅਸਪਸ਼ਟ ਹੋ ਸਕਦਾ ਹੈ, ਖ਼ਾਸ ਕਰਕੇ ਸ਼ਬਦ ਸੀਮਾਵਾਂ ‘ਤੇ।

ਵਾਕ ਸਕੋਰ ਬਣਾਉਣਾ

ਵਾਕ ਸਕੋਰ ਇੱਕ fitted combination ਨਾਲ ਸ਼ੁਰੂ ਹੁੰਦਾ ਹੈ:

• Average sound accuracy.
• ਉਮੀਦ ਕੀਤੀਆਂ ਧੁਨੀਆਂ ਵਿੱਚੋਂ independent sound recognition ਦੁਆਰਾ ਮਿਲੀਆਂ ਧੁਨੀਆਂ ਦਾ ਹਿੱਸਾ।
• ਪ੍ਰਤੀ ਸਕਿੰਟ ਉਚਾਰਿਤ speech sounds ਦੀ ਗਿਣਤੀ।
• ਸ਼ਬਦਾਂ ਦੇ ਵਿਚਕਾਰ ਲੰਬੀਆਂ pauses.

Timing ਦੀ ਗਿਣਤੀ first aligned sound ਤੋਂ ਪਹਿਲਾਂ ਦੀ silence ਅਤੇ last aligned sound ਤੋਂ ਬਾਅਦ ਦੀ silence ਨੂੰ ਛੱਡਦੀ ਹੈ।

ਇਹ features one overall score ਵਿੱਚ ਯੋਗਦਾਨ ਪਾਉਂਦੀਆਂ ਹਨ। ਮੌਜੂਦਾ implementation user‑facing fluency, completeness, ਜਾਂ intonation scores ਨੂੰ ਵੱਖਰੇ ਤੌਰ ‘ਤੇ ਨਹੀਂ ਦਿੰਦੀ।

ਸ਼ਬਦ ਕ੍ਰੈਡਿਟ ਨਤੀਜੇ ਨੂੰ ਕਿਵੇਂ ਪ੍ਰਭਾਵਿਤ ਕਰਦੀ ਹੈ

Scorer ਫਿਰ explicit word-credit multiplier ਲਾਗੂ ਕਰਦਾ ਹੈ। ਹਰ ਸ਼ਬਦ ਨੂੰ ਉਸਦੀ ਚੁਣੀ ਹੋਈ pronunciation ਵਿੱਚ ਧੁਨੀਆਂ ਦੀ ਗਿਣਤੀ ਦੇ ਅਧਾਰ ‘ਤੇ ਵਜ਼ਨ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ।

ਸ਼ਬਦ ਨਤੀਜਾ	ਕਮਾਇਆ ਕ੍ਰੈਡਿਟ
ਸਹੀ	ਪੂਰਾ ਵਜ਼ਨ
ਬੋਲੀ ਗਈ ਪਰ ਫਲੈਗ ਕੀਤੀ	ਇਸਦੇ ਵਜ਼ਨ ਦਾ ਇੱਕ ਚੌਥਾ
ਛੱਡਿਆ	ਕੋਈ ਕ੍ਰੈਡਿਟ ਨਹੀਂ

ਗਿਣਤੀ ਇਸ ਤਰ੍ਹਾਂ ਹੈ:

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

ਇਸ ਲਈ, ਲੰਮਾ ਗਲਤ ਸ਼ਬਦ ਆਮ ਤੌਰ ‘ਤੇ ਛੋਟੇ ਸ਼ਬਦ ਨਾਲੋਂ ਵੱਧ ਖ਼ਰਚ ਕਰਦਾ ਹੈ। ਵਾਕ ਦਾ ਸਿਰਫ਼ ਛੋਟਾ ਹਿੱਸਾ ਪੜ੍ਹਨਾ ਵੀ ਸਕੋਰ ਨੂੰ ਸੀਮਿਤ ਕਰਦਾ ਹੈ, ਭਾਵੇਂ ਉਹ ਹਿੱਸਾ ਸਪਸ਼ਟ ਸੁਣਾਈ ਦੇਵੇ।

ਆਪਣੇ ਸਕੋਰ ਦੀ ਰੈਫਰੈਂਸ ਨਾਲ ਤੁਲਨਾ ਕਰਨਾ

ਅੰਤ ਵਿੱਚ, ਸਿਸਟਮ reference recording of the same phrase ਦੀ ਵਰਤੋਂ ਕਰਕੇ raw score ਨੂੰ ਨਾਰਮਲਾਈਜ਼ ਕਰ ਸਕਦਾ ਹੈ।

ਇਹ synthesized reference ਨੂੰ ਉਹੀ scorer version ਨਾਲ ਸਕੋਰ ਕਰਦਾ ਹੈ ਅਤੇ, ਜਦੋਂ ਇੱਕ usable matching baseline ਪਹਿਲਾਂ ਹੀ ਉਪਲਬਧ ਹੋਵੇ, ਇਹ ਲਾਗੂ ਕਰਦਾ ਹੈ:

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

ਉਦਾਹਰਨ ਲਈ, raw score 80 ਅਤੇ reference score 88 ਹੋਣ ‘ਤੇ ਲਗਭਗ 90.9 ਬਣ ਜਾਂਦਾ ਹੈ।

ਇਹ ਸਮਾਂਜਸਤਾ ਇਸ ਗੱਲ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਦੀ ਹੈ ਕਿ ਮਾਡਲ reference recording ਨੂੰ ਵੀ 100 ਤੋਂ ਘੱਟ ਸਕੋਰ ਦੇ ਸਕਦਾ ਹੈ।

Baselines ਇਹਨਾਂ ਨਾਲ ਜੁੜੀਆਂ ਹਨ:

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

ਜੇ ਕੋਈ matching baseline ਉਪਲਬਧ ਨਹੀਂ ਜਾਂ ਵਰਤੋਂਯੋਗ ਨਹੀਂ, ਤਾਂ ਨਤੀਜਾ ਆਪਣਾ raw score ਰੱਖਦਾ ਹੈ। ਪਹਿਲੀ ਕੋਸ਼ਿਸ਼ ਇਸ ਲਈ ਬਿਨਾ ਸਮਾਂਜਸਤਾ ਦੇ ਰਹਿ ਸਕਦੀ ਹੈ, ਜਦੋਂ ਤੱਕ ਬਾਅਦ ਦੀਆਂ ਕੋਸ਼ਿਸ਼ਾਂ ਲਈ baseline ਤਿਆਰ ਨਹੀਂ ਹੁੰਦੀ।

ਤੁਹਾਡੇ ਸਕੋਰ ਦਾ ਕੀ ਮਤਲਬ ਹੈ

ਨਤੀਜੇ ਵਜੋਂ ਮਿਲੀ ਗਿਣਤੀ HolosAccent ਦੀ ਸਕੇਲ ‘ਤੇ practice score ਹੈ।

90 ਦਾ ਸਕੋਰ ਇਹ ਨਹੀਂ ਦੱਸਦਾ ਕਿ ਤੁਹਾਡੇ 90 ਪ੍ਰਤੀਸ਼ਤ ਸ਼ਬਦ ਸਹੀ ਸਨ, ਅਤੇ ਇਹ CEFR ਲੈਵਲ ਜਾਂ native‑speaker ਸਮਾਨਤਾ ਨਹੀਂ ਦੱਸਦਾ।

ਮੈਪਿੰਗ expert‑rated recordings ਦੀ ਵਰਤੋਂ ਕਰਕੇ fitted ਕੀਤੀ ਗਈ ਹੈ, ਪਰ new scoring system remains experimental ਹੈ ਅਤੇ ਇਸ ਦੀ ਪੂਰੀ acceptance criteria ਹਾਲੇ ਤੱਕ ਪੁਸ਼ਟੀ ਨਹੀਂ ਹੋਈ। ਇਹ ਗਲਤੀਆਂ ਨੂੰ ਛੱਡ ਸਕਦੀ ਹੈ ਜਾਂ ਸਵੀਕਾਰਯੋਗ ਬੋਲ ਨੂੰ ਫਲੈਗ ਕਰ ਸਕਦੀ ਹੈ।

ਵਿਅਕਤੀਗਤ ਸ਼ਬਦ feedback ਅਤੇ ਦੁਹਰਾਈਆਂ ਕੋਸ਼ਿਸ਼ਾਂ ਵਿੱਚ ਪੈਟਰਨਸ ਨੰਬਰ ਦੀ ਵਿਆਖਿਆ ਲਈ ਸੰਦਰਭ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ।