HolosAccent ඔබේ හඬ ප්‍රකාශන ලකුණකට පරිවර්තනය කරන ආකාරය

ඔබගේ රෙකෝඩ් සකස් කිරීම

පළමුව, ශබ්දය ප්‍රමිතියකට අනුකූලව ඩිකෝඩ් කරයි: mono sound sampled at 16 kHz.

පද්ධතිය රෙකෝඩ් කිරීමේ signal‑to‑noise අනුපාතය අනුමාන කරයි. එම අනුමානය 25 dB ට පහළ යයි සහ ශබ්ද‑හරිත කිරීම ලබා ගත හැකි නම්, විශ්ලේෂණයට පෙර a noise-reduction filter යෙදේ. හරිත කිරීම අසාර්ථක වුවහොත්, මුල් රෙකෝඩ් එකම භාවිතා කරයි.

පසුදා, waveform එක speech analysis model එකේ input අවශ්‍යතාට ගැළපෙන ලෙස සාමාන්‍යීකරණය කරයි. තත්පර අඩක්ට වඩා කෙටි silence සහ රෙකෝඩ් කිරීම් ශූන්‍ය ලකුණක් ලබා ගනී.

විවිධ උච්චාරණයන්ට ඉඩ දීම

ඊළඟට, reference text එක phonetic pronunciation වලට a pronunciation engine භාවිතයෙන් පරිවර්තනය කරයි. එක් වචනයකට බහු‑අනුමත ආකාර තිබිය හැක.

උච්චාරණ කට්ටලය ඇතුළත් කරයි:

• බ්‍රිතාන්‍ය සහ ඇමරිකානු වෙනස්කම්.
• to වැනි unstressed vowel එකක් ඇතුළත් සාමාන්‍ය reduced forms.
• තෝරාගත් පරිසරික විකල්ප.

උදාහරණයක් ලෙස, close the door හි අවසාන ව්‍යංජනය a close friend හි එකට වඩා වෙනස් වේ. වාක්‍යය සැකසීමේදී පද්ධතිය මෙම සහය දක්වන විකල්ප අතරින් තෝරා ගත හැක.

ශබ්දවලට අසන්න, වචන නැවත ගොඩනැගීම නොකරන්න

රෙකෝඩ් එක an acoustic model හරහා ගමන් කරයි. එය සමානව 20-millisecond intervals කාල පරාසයකදී විවිධ speech sounds සඳහා සාක්ෂි ජනනය කරයි.

මෙය රෙකෝඩ් එකේ phonetic representation එකකි. scorer එක word‑level language model එකක් භාවිතා කර වාක්‍යය නැවත ගොඩනැගීම නොකරයි.

පද්ධතිය එම acoustic output දෙකක් ලෙස විශ්ලේෂණය කරයි:

ක්‍රමය	එය කරන දේ
Expected-sound alignment	අපේක්ෂිත ශබ්ද සඳහා හොඳම කාලය සොයා, එක් වචනයකට සම්පූර්ණ pronunciation variant එකක් තෝරයි.
Independent sound recognition	reference sentence එක අවශ්‍ය නොවී, model එකේ ප්‍රියතම ශබ්ද අනුගමනය කරයි.

දෙකම අවශ්‍යයි, මන්ද alignment එක speaker එක ශබ්දයක් හැරදුවත් ඒ ශබ්දය රෙකෝඩ් එකේ කොහෙදැයි සොයා ගනී. Independent sound recognition එක ඇත්තේ කථා කළ ශබ්දය පිළිබඳ අතිරේක සාක්ෂි ලබා දෙයි.

Matching එකත් කාලය ගණනයට ගනී, එනිසා එක් වචනයේ ශබ්දයක් දුරස්ථ වචනයකට සාක්ෂියක් ලෙස ගණන් කර ගැනීම අමාරු වේ.

එක් එක් ශබ්දය ලකුණු කිරීම

සමගි alignment වූ ශබ්ද සෑම එකක් සඳහාම scorer එක pronunciation accuracy measure ගණනය කරයි: එම කාල පරාසයේ model එක අපේක්ෂිත ශබ්දයට වඩා තරඟකාරී ශබ්දයන්ට ලබා දෙන සහය මට්ටම.

එය තවත් සලකා බලයි:

• අපේක්ෂිත ශබ්දයේ peak probability.
• Independent sound recognition එකට ආසන්නයේ ගැලපෙන ශබ්දයක් හමු වුණාද යන්න.

ගණිතමය mapping එක මෙම සාක්ෂි sound accuracy value between 0 and 100 ලෙස පරිවර්තනය කරයි.

Independent recognition ප්‍රතිඵලයෙන් ශබ්දයක් අඩු වුවත්, acoustic evidence තවමත් වැදගත් වේ; එය ස්වයංක්‍රීයව ශූන්‍ය ලකුණක් නොලැබේ.

කුමන වචන අවධානයට ගත යුතුද යන තීරණය

Word feedback එක මෙම sound values සමඟ explicit error checks එකතු කරයි. වචනයක්:

• කථා කරන ලද්දේ බවට ප්‍රමාණවත් සාක්ෂි තිබිය යුතුය.
• සකස් කර ඇති average accuracy සීමාවට අනුකූල විය යුතුය.
• සොයාගත් substitutions, insertions, හෝ දැඩි missing‑sound errors නොමැති විය යුතුය.

පැහැදිලි substitutions සඳහා weak support for the expected sound සහ strong support for a competing sound අවශ්‍ය වේ.

සාක්ෂි	වත්මන් සීමාව
Support for the expected sound	Below 0.05
Support for its replacement	At least 0.5

මෙම model evidence thresholds යනු මනුෂ්‍ය ශ්‍රවණකරු වචනය වැරදි බව තීරණය කරන probability නොවේ.

ඇඟවූ වචන සඳහා, පද්ධතිය අපේක්ෂිත pronunciation සහ IPA (International Phonetic Alphabet) තුළ ඇසූ ශබ්දයන්ගේ අනුමානය ලබා දෙයි. එය වචන සීමා අවට අසම්පූර්ණ විය හැක.

වාක්‍ය ලකුණ ගොඩනැගීම

වාක්‍ය ලකුණ පහත සඳහන් feature ගණනාවකින් ගොඩනැගේ:

• Average sound accuracy.
• Independent sound recognition මගින් ගැලපෙන අපේක්ෂිත ශබ්ද ප්‍රතිශතය.
• තත්පරයකට ප්‍රකාශිත speech sounds ගණන.
• වචන අතර දිගු pause.

Timing ගණනය කිරීම පළමු aligned sound එකට පෙර සහ අවසන් aligned sound එකට පසු ඇති silence ඉවත් කරයි.

මෙම feature ගණනාව එකම සමස්ත ලකුණ එකට දායක වේ. වත්මන් ක්‍රියාත්මක කිරීම user‑facing fluency, completeness, හෝ intonation ලකුණු වෙනම ලබා නොදේ.

වචන credit ලකුණේ බලපෑම

scorer එක පසු word‑credit multiplier එකක් යොදයි. එක් වචනයක් එහි තෝරාගත් pronunciation හි ශබ්ද ගණන අනුව බර ගනී.

වචන ප්‍රතිඵල	ලබාගත් credit
Correct	Full weight
Spoken but flagged	One quarter of its weight
Omitted	No credit

ගණනය මෙසේය:

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

ඒ අනුව, දිගු වැරදි වචනයක් කෙටි වචනයකට වඩා වැඩි වියදමක් ගනී. වාක්‍යයේ කුඩා කොටසක් පමණක් කියවීමත් ලකුණ සීමා කරයි, එම කොටස පැහැදිලිව ඇසුණත්.

ඔබේ ලකුණ reference සමඟ සැසඳීම

අවසානයේ, පද්ධතිය raw score එක reference recording of the same phrase එකක් භාවිතා කර normalize කළ හැක.

එය synthesized reference එකට ඒම scorer version එකෙන් ලකුණ ගණනය කර, usable matching baseline එකක් තිබේ නම්, පහත පරිදි යෙදේ:

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

උදාහරණයක් ලෙස, raw score 80 එක reference score 88 එකට වඩා ගුණාකාරයෙන් 90.9 පමණ වේ.

මෙම සකසීම model එක reference recording එකටත් 100 ට අඩු ලකුණක් ලබා දිය හැකි බව සැලකිල්ලට ගනී.

Baseline ගණනාවන් සම්බන්ධ වේ:

• reference voice සහ speech‑generation model.
• scoring model.
• vocabulary.
• calibration සහ rule version.

Matching baseline එක නොමැති හෝ භාවිතා නොකළ හැකි නම්, ප්‍රතිඵල raw score එකම රඳා පවතී. පළමු උත්සාහය එම baseline එක සකස් වන තෙක් සකස් නොකළ ලකුණක් ලෙස පවතී.

ඔබේ ලකුණේ අර්ථය

ලැබෙන සංඛ්‍යාව HolosAccent’s scale මත practice score එකකි.

ලකුණ 90 යනු ඔබේ වචන 90% නිවැරදි බව නොඅර්ථද, එය CEFR මට්ටමක් හෝ native‑speaker සමානත්වයක් නිරූපණය නොකරයි.

Mapping එක expert‑rated recordings භාවිතයෙන් ගොඩනැගී ඇත, නමුත් new scoring system remains experimental වන අතර එහි සම්පූර්ණ acceptance criteria තවමත් සනාථ කර නොමැත. එය වැරදි අඩු කර හෝ ගැළපෙන කථා බොහෝ විට flag කරයි.

පුද්ගලික වචන feedback සහ නැවත නැවත උත්සාහයන්හි පෙනෙන රටා සංඛ්‍යාව විස්තර කිරීමට පසුබැසීමක් සපයයි.