HolosAccent உங்கள் குரலை எப்படி உச்சரிப்பு மதிப்பாக மாற்றுகிறது

உங்கள் பதிவை தயாரித்தல்

முதலில், ஒலி mono sound sampled at 16 kHz என்ற நிலையான வடிவத்திற்கு டிகோடு செய்யப்படுகிறது.

சிஸ்டம் பதிவின் signal-to-noise ratio-ஐ மதிப்பிடுகிறது. அந்த மதிப்பு 25 dB-க்கு கீழே வந்தால், மேலும் noise filtering கிடைத்தால், பகுப்பாய்வுக்கு முன் a noise-reduction filter-ஐ பயன்படுத்துகிறது. வடிகட்டி தோல்வியுற்றால், அசல் பதிவைத் தொடர்ந்து பயன்படுத்துகிறது.

அதன் பின்னர் waveform-ஐ speech analysis model-இன் உள்ளீடு தேவைகளுக்கு ஏற்ப normalise செய்யப்படுகிறது. அரை வினாடிக்கு குறைவான அமைதி மற்றும் பதிவுகள் zero score-ஐ பெறும்.

பல்வேறு உச்சரிப்புகளை அனுமதித்தல்

அடுத்து, reference text-ஐ a pronunciation engine பயன்படுத்தி phonetic உச்சரிப்புகளாக மாற்றப்படுகிறது. ஒரு சொல் பல ஏற்றுக்கொள்ளப்பட்ட வடிவங்களை கொண்டிருக்கலாம்.

உச்சரிப்பு தொகுப்பில் பின்வருவன அடங்கும்:

• British மற்றும் American மாறுபாடுகள்.
• பொதுவான குறைக்கப்பட்ட வடிவங்கள், உதாரணமாக to இல் unstressed vowel.
• தேர்ந்தெடுக்கப்பட்ட சூழல் மாற்றுகள்.

உதாரணமாக, close the door இல் இறுதி மெய் எழுத்து a close friend இல் உள்ளதிலிருந்து வேறுபடுகிறது. சிஸ்டம் வாக்கியத்தை செயலாக்கும் போது ஆதரிக்கப்படும் மாற்றுகளில் இருந்து தேர்வு செய்ய முடியும்.

சொற்களை மீண்டும் உருவாக்காமல் ஒலிகளை கேட்பது

பதிவு an acoustic model-இல் கடந்து செல்கிறது. இது சுமார் 20-millisecond intervals இடைவெளிகளில் பல்வேறு speech sounds-க்கு ஆதாரங்களை உருவாக்குகிறது.

இது பதிவின் phonetic பிரதிநிதித்துவம். scorer வாக்கியத்தை மீண்டும் உருவாக்க word-level language model-ஐ பயன்படுத்தவில்லை.

சிஸ்டம் பின்னர் அந்த acoustic outputs-ஐ இரண்டு முறைகளில் ஆய்வு செய்கிறது:

முறை	அது என்ன செய்கிறது
எதிர்பார்க்கப்படும்-ஒலி ஒத்திசைவு	எதிர்பார்க்கப்படும் ஒலிகளுக்கு சிறந்த நேரத்தை கண்டறிந்து, ஒவ்வொரு சொல்லுக்கும் முழுமையான உச்சரிப்பு மாறுபாட்டை தேர்வு செய்கிறது.
சுயாதீன ஒலி அடையாளம்	reference sentence-ஐ தேவையில்லாமல், மாதிரி விரும்பும் ஒலிகளை பின்பற்றுகிறது.

இரண்டு பார்வைகளும் அவசியம், ஏனெனில் ஒத்திசைவு பேசுபவர் அதை விடுத்தாலும், பதிவில் எதிர்பார்க்கப்படும் ஒலியை எங்காவது வைக்க முடியும். சுயாதீன ஒலி அடையாளம் உண்மையில் பேசப்பட்டதின் கூடுதல் ஆதாரத்தை வழங்குகிறது.

ஒத்திசைவு நேரத்தையும் கருத்தில் கொள்ளும், இதனால் ஒரு சொல்லில் உள்ள ஒலி தூரமான சொல்லுக்கு ஆதாரமாக கணக்கிடப்படுவது கடினமாகிறது.

ஒவ்வொரு ஒலியையும் மதிப்பிடுதல்

ஒவ்வொரு ஒத்திசைவு ஒலிக்கும், scorer pronunciation accuracy measure-ஐ கணக்கிடுகிறது: அந்த இடைவெளியில் மாதிரி எதிர்பார்க்கப்படும் ஒலியை போட்டியிடும் ஒலிகளுடன் ஒப்பிடும் போது எவ்வளவு வலுவாக ஆதரிக்கிறது.

இது கூட பின்வருவனைக் கருத்தில் கொள்கிறது:

• எதிர்பார்க்கப்படும் ஒலியின் உச்ச probability.
• சுயாதீன ஒலி அடையாளம் அருகில் பொருந்தும் ஒலியை கண்டுபிடித்ததா.

ஒரு கணித மாடல் இந்த ஆதாரத்தை 0 மற்றும் 100 இடையிலான sound accuracy value ஆக மாற்றுகிறது.

சுயாதீன அடையாள முடிவில் ஒரு ஒலி இல்லாவிட்டாலும், அது தானாகவே zero பெறாது. acoustic evidence இன்னும் முக்கியம்.

எந்த சொற்களுக்கு கவனம் தேவை என்பதை தீர்மானித்தல்

Word feedback இந்த ஒலி மதிப்புகளை தெளிவான பிழைச் சரிபார்ப்புகளுடன் சேர்க்கிறது. ஒரு சொல் பின்வருவனைக் கொண்டிருக்க வேண்டும்:

• அது பேசப்பட்டதற்கான போதுமான ஆதாரம் இருக்க வேண்டும்.
• அமைக்கப்பட்ட சராசரி accuracy threshold-ஐ பூர்த்தி செய்ய வேண்டும்.
• கண்டறியப்பட்ட substitutions, insertions, அல்லது கடுமையான missing-sound பிழைகளை தவிர்க்க வேண்டும்.

தெளிவான substitutions-க்கு எதிர்பார்க்கப்படும் ஒலிக்கான பலவீனமான ஆதரவு மற்றும் போட்டியிடும் ஒலிக்கான வலுவான ஆதரவு தேவை.

ஆதாரம்	தற்போதைய வரம்பு
எதிர்பார்க்கப்படும் ஒலிக்கான ஆதரவு	Below 0.05
அதன் மாற்றுக்கான ஆதரவு	At least 0.5

இவை model evidence thresholds, மனிதக் கேட்பவர் சொல் தவறாக இருக்கிறது என்று தீர்மானிக்கும் probability-கள் அல்ல.

குறியிடப்பட்ட சொற்களுக்கு, சிஸ்டம் எதிர்பார்க்கப்படும் உச்சரிப்பு மற்றும் கேட்கப்பட்ட ஒலிகளின் மதிப்பீட்டை International Phonetic Alphabet (IPA)-இல் எழுதப்பட்டு வழங்குகிறது. அந்த மதிப்பீடு முழுமையாக இருக்காது, குறிப்பாக சொல் எல்லைகளில்.

வாக்கிய மதிப்பை உருவாக்குதல்

வாக்கிய மதிப்பு பின்வரும் பொருத்தப்பட்ட கூட்டுத்தொகையுடன் தொடங்குகிறது:

• சராசரி ஒலி துல்லியம்.
• சுயாதீன ஒலி அடையாளம் மூலம் பொருந்திய எதிர்பார்க்கப்படும் ஒலிகளின் பகுதி.
• வினாடிக்கு உச்சரிக்கப்பட்ட speech sounds எண்ணிக்கை.
• சொற்களுக்கிடையிலான நீண்ட இடைவேளைகள்.

நேர கணக்கில் முதல் ஒத்திசைவு ஒலிக்கு முன் மற்றும் கடைசிக்கு பின் உள்ள அமைதியை விலக்குகிறது.

இந்த அம்சங்கள் ஒரு மொத்த மதிப்பை உருவாக்குகின்றன. தற்போதைய அமலாக்கம் பயனர்-முகம் fluency, completeness, அல்லது intonation மதிப்புகளை தனித்தனியாக வழங்கவில்லை.

சொல் கிரெடிட் முடிவை எப்படி பாதிக்கிறது

scorer பின்னர் ஒரு தெளிவான word-credit multiplier-ஐ பயன்படுத்துகிறது. ஒவ்வொரு சொலும் அதன் தேர்ந்தெடுக்கப்பட்ட உச்சரிப்பில் உள்ள ஒலிகளின் எண்ணிக்கையால் எடை பெறுகிறது.

சொல் முடிவு	கிரெடிட் பெற்றது
சரியானது	முழு எடை
பேசப்பட்டு ஆனால் குறியிடப்பட்டது	அதன் எடையின் ஒரு நான்கில்
விடுபட்டது	கிரெடிட் இல்லை

கணக்கீடு இதோ:

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

அதனால், நீண்ட தவறான சொல் பொதுவாக குறுகிய சொலுக்கு விட அதிக செலவாகும். வாக்கியத்தின் சிறிய பகுதியை மட்டும் படித்தாலும், அந்த பகுதி தெளிவாக இருந்தாலும், மதிப்பு குறையும்.

உங்கள் மதிப்பை குறிப்புடன் ஒப்பிடுதல்

இறுதியாக, சிஸ்டம் அதே வாசகத்தின் reference recording-ஐ பயன்படுத்தி raw score-ஐ சாதாரணமாக்க முடியும்.

அதே scorer பதிப்பை பயன்படுத்தி synthesised reference-ஐ மதிப்பிட்டு, பயன்படுத்தக்கூடிய matching baseline ஏற்கனவே இருந்தால், இதை பயன்படுத்துகிறது:

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

உதாரணமாக, raw score 80 மற்றும் reference score 88 என்றால், அது சுமார் 90.9 ஆக மாறும்.

இந்த சரிசெய்தல் மாதிரி reference பதிவுக்கும் 100-க்கு குறைவாக மதிப்பிடலாம் என்பதைக் கருத்தில் கொள்ளுகிறது.

Baseline-கள் பின்வருவனுடன் இணைக்கப்பட்டுள்ளன:

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

matching baseline கிடைக்காதபோது அல்லது பயன்படுத்த முடியாதபோது, முடிவு அதன் raw score-ஐ வைத்திருக்கும். முதல் முயற்சி அதனால் சரிசெய்யப்படாமல் இருக்கும், பின்னர் baseline தயாராகும் வரை.

உங்கள் மதிப்பு என்ன பொருள்

இறுதி எண் HolosAccent இன் அளவுகோலில் practice score ஆகும்.

90 என்ற மதிப்பு உங்கள் சொற்களின் 90 சதவீதம் சரியானவை என்று அர்த்தமல்ல, மேலும் அது CEFR நிலை அல்லது native-speaker சமமானதை நிரூபிக்காது.

இந்த வரைபடம் expert-rated பதிவுகளை பயன்படுத்தி பொருத்தப்பட்டாலும், new scoring system remains experimental மற்றும் அதன் முழுமையான ஏற்றுக்கொள்ளும் அளவுகோல்கள் இன்னும் சரிபார்க்கப்படவில்லை. இது பிழைகளை தவறவிடலாம் அல்லது ஏற்றுக்கொள்ளத்தக்க பேச்சை குறியிடலாம்.

தனிப்பட்ட சொல் பின்னூட்டம் மற்றும் பலமுறை முயற்சிகளில் உள்ள மாதிரிகள் அந்த எண்ணை விளக்குவதற்கு சூழலை வழங்குகின்றன.