HolosAccent మీ స్వరాన్ని ఉచ్చారణ స్కోర్‌గా ఎలా మార్చుతుంది
మీరు ఒక వాక్యాన్ని జోరుగా చదివేటప్పుడు, కొన్ని ప్రశ్నలు ముఖ్యమైనవి: **మీరు ఏ శబ్దాలను ఉత్పత్తి చేసారు, ఏ పదాలను పూర్తి చేసారు, వాక్యం ఎలా ప్రవహించింది?** HolosAccent的新 స్కోరింగ్ పైప్‌లైన్ ఈ మూడు అంశాలపై ఆధారపడి సాక్ష్యాన్ని కలిపి స్కోర్‌ను ఉత్పత్తి చేస్తుంది.
HolosAccent·
·4 min read
Translated from English · Read the original
రికార్డింగ్ను సిద్ధం చేయడం
మొదట, ఆడియోను ఒక ప్రమాణ ఫార్మాట్‌లో డీకోడ్ చేస్తారు: 16 kHz వద్ద నమూనా తీసుకున్న మోనో శబ్దం.
సిస్టమ్ రికార్డింగ్ యొక్క సిగ్నల్‑టు‑నాయిస్ రేషియోను అంచనా వేస్తుంది. ఆ అంచనా 25 dB కంటే తక్కువగా ఉంటే, మరియు శబ్ద ఫిల్టరింగ్ అందుబాటులో ఉంటే, విశ్లేషణకు ముందు నాయిస్‑రిడక్షన్ ఫిల్టర్ను ప్రయోగిస్తుంది. ఫిల్టరింగ్ విఫలమైతే, అసలు రికార్డింగ్‌తోనే కొనసాగుతుంది.
తరువాత, వేవ్‌ఫార్మ్‌ను స్పీచ్ విశ్లేషణ మోడల్ యొక్క ఇన్‌పుట్ అవసరాలకు సరిపడేలా నార్మలైజ్ చేస్తారు. సైలెన్స్ మరియు సగం సెకనుకంటే చిన్న రికార్డింగ్స్‌కు జీరో స్కోర్ ఇవ్వబడుతుంది.
వివిధ ఉచ్చారణలను అనుమతించడం
తదుపరి, రిఫరెన్స్ టెక్స్ట్‌ను ఉచ్చారణ ఇంజిన్ ద్వారా ఫోనెటిక్ ఉచ్చారణలుగా మార్చుతారు. ఒక పదానికి అనేక స్వీకరించదగిన రూపాలు ఉండవచ్చు.
ఉచ్చారణ సెట్‌లో ఇవి ఉన్నాయి:
- బ్రిటిష్ మరియు అమెరికన్ వేరియంట్లు.
- సాధారణంగా తగ్గించిన రూపాలు, ఉదాహరణకు to లో ఉన్న unstressed vowel.
- ఎంచుకున్న సందర్భాత్మక ప్రత్యామ్నాయాలు.
ఉదాహరణకు, close the door లోని చివరి వ్యంజనం a close friend లోని దానితో వేరుగా ఉంటుంది. వాక్యాన్ని ప్రాసెస్ చేస్తూ, సిస్టమ్ మద్దతు ఇచ్చే ప్రత్యామ్నాయాల్లోంచి ఎంపిక చేసుకోవచ్చు.
శబ్దాలను వినడం, పదాలను పునర్నిర్మించకపోవడం
రికార్డింగ్ అకౌస్టిక్ మోడల్ ద్వారా వెళ్లుతుంది. ఇది సమయానుసారం, సుమారు 20 మిల్లీసెకండ్ అంతరాల్లో, వివిధ స్పీచ్ శబ్దాలకు సాక్ష్యాన్ని ఉత్పత్తి చేస్తుంది.
ఇది రికార్డింగ్ యొక్క ఫోనెటిక్ ప్రతినిధి. స్కోరర్ వాక్యాన్ని పునర్నిర్మించడానికి పద‑స్థాయి లాంగ్వేజ్ మోడల్‌ను ఉపయోగించదు.
సిస్టమ్ ఆ అకౌస్టిక్ అవుట్‌పుట్‌లను రెండు విధాలుగా పరిశీలిస్తుంది:
| విధానం | ఇది ఏమి చేస్తుంది |
|---|---|
| Expected-sound alignment | ఆశించిన శబ్దాలకు ఉత్తమ సమయాన్ని కనుగొని, ప్రతి పదానికి పూర్తి ఉచ్చారణ వేరియంట్‌ను ఎంచుకుంటుంది. |
| Independent sound recognition | రిఫరెన్స్ వాక్యాన్ని అవసరం లేకుండా, మోడల్ ఇష్టపడే శబ్దాలను అనుసరిస్తుంది. |
ఈ రెండు దృక్కోణాలు అవసరం, ఎందుకంటే అలైన్మెంట్ స్పీకర్ దాన్ని వదిలేసినా కూడా రికార్డింగ్‌లో ఆశించిన శబ్దాన్ని ఎక్కడో ఉంచవచ్చు. స్వతంత్ర శబ్ద గుర్తింపు వాస్తవంగా ఏమి మాట్లాడారో అదనపు సాక్ష్యాన్ని అందిస్తుంది.
మ్యాచింగ్ కూడా సమయాన్ని పరిగణనలోకి తీసుకుంటుంది, ఒక పదంలోని శబ్దం దూరమైన పదానికి సాక్ష్యంగా పరిగణించబడటం కష్టంగా ఉంటుంది.
ప్రతి శబ్దాన్ని స్కోరింగ్ చేయడం
ప్రతి అలైన్డ్ శబ్దానికి, స్కోరర్ ఉచ్చారణ ఖచ్చితత్వ మాపకంను లెక్కిస్తుంది: ఆ అంతరంలో మోడల్ ఆశించిన శబ్దాన్ని పోటీ శబ్దాలతో పోల్చి ఎంత బలంగా మద్దతు ఇస్తుందో.
ఇది కూడా పరిగణిస్తుంది:
- ఆశించిన శబ్దం యొక్క పీక్ ప్రాబబిలిటీ.
- స్వతంత్ర శబ్ద గుర్తింపు సమీపంలో సరిపోలే శబ్దాన్ని కనుగొన్నదో లేదో.
ఒక ఫిట్ చేసిన గణిత మ్యాపింగ్ ఈ సాక్ష్యాన్ని 0 నుండి 100 మధ్య శబ్ద ఖచ్చితత్వ విలువగా మార్చుతుంది.
స్వతంత్ర గుర్తింపు ఫలితంలో ఒక శబ్దం లేకపోయినా, అది ఆటోమేటిక్‌గా జీరో పొందదు. అకౌస్టిక్ సాక్ష్యం ఇంకా ముఖ్యమైనది.
ఏ పదాలు దృష్టి అవసరం అనేది నిర్ణయించడం
పద ఫీడ్బ్యాక్ ఈ శబ్ద విలువలను స్పష్టమైన తప్పు తనిఖీలతో కలిపి ఉంటుంది. ఒక పదం:
- మాట్లాడబడిందని తగిన సాక్ష్యం ఉండాలి.
- సెట్టింగ్‌లో ఉన్న సగటు ఖచ్చితత్వ పరిమితిని చేరుకోవాలి.
- గుర్తించిన సబ్‌స్టిట్యూషన్లు, ఇన్‌సెర్షన్లు లేదా తీవ్రమైన మిస్‑సౌండ్ తప్పులను నివారించాలి.
స్పష్టమైన సబ్‌స్టిట్యూషన్లు ఆశించిన శబ్దానికి బలహీన మద్దతు మరియు పోటీ శబ్దానికి బలమైన మద్దతు అవసరం.
| సాక్ష్యం | ప్రస్తుత పరిమితి |
|---|---|
| ఆశించిన శబ్దానికి మద్దతు | 0.05 కంటే తక్కువ |
| దాని ప్రత్యామ్నాయానికి మద్దతు | కనీసం 0.5 |
ఇవి మోడల్ సాక్ష్య పరిమితులు, మానవ శ్రోత పదాన్ని తప్పు అని నిర్ణయించే అవకాశాలు కాదు.
ఫ్లాగ్ చేయబడిన పదాల కోసం, సిస్టమ్ ఆశించిన ఉచ్చారణను మరియు వినబడిన శబ్దాల అంచనాను **ఇంటర్నేషనల్ ఫోనెటిక్ అల్ఫబెట్ (IPA)**లో తిరిగి ఇస్తుంది. ఆ అంచనా పద సరిహద్దుల వద్ద ప్రత్యేకంగా అసంపూర్ణంగా ఉండవచ్చు.
వాక్య స్కోర్‌ను నిర్మించడం
వాక్య స్కోర్ ఈ ఫిట్ చేసిన కలయికతో ప్రారంభమవుతుంది:
- సగటు శబ్ద ఖచ్చితత్వం.
- స్వతంత్ర శబ్ద గుర్తింపు ద్వారా సరిపోలిన ఆశించిన శబ్దాల భాగం.
- సెకనుకు ఉచ్చరించబడిన స్పీచ్ శబ్దాల సంఖ్య.
- పదాల మధ్య దీర్ఘ విరామాలు.
సమయ గణనలో మొదటి అలైన్డ్ శబ్దానికి ముందు మరియు చివరి శబ్దానికి తర్వాత ఉన్న సైలెన్స్‌ను తప్పిస్తుంది.
ఈ లక్షణాలు ఒక మొత్తం స్కోర్కు సహకరిస్తాయి. ప్రస్తుత అమలు వాడుకరి‑ముఖ్యంగా ఫ్లూయెన్సీ, పూర్తితనం, లేదా ఇంటోనేషన్ స్కోర్లను వేరుగా ఇవ్వదు.
పద‑క్రెడిట్ ఫలితాన్ని ఎలా ప్రభావితం చేస్తుంది
స్కోరర్ తర్వాత స్పష్టమైన పద‑క్రెడిట్ మల్టిప్లయర్ను ప్రయోగిస్తుంది. ప్రతి పదం దాని ఎంపిక చేసిన ఉచ్చారణలోని శబ్దాల సంఖ్య ద్వారా బరువు పొందుతుంది.
| పద ఫలితం | క్రెడిట్ పొందింది |
|---|---|
| సరైన | పూర్తి బరువు |
| మాట్లాడబడింది కానీ ఫ్లాగ్ చేయబడింది | బరువు యొక్క ఒక-నాల్గవ భాగం |
| వదిలివేయబడింది | క్రెడిట్ లేదు |
గణన ఇలా ఉంటుంది:
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
అందువల్ల, దీర్ఘమైన తప్పు పదం సాధారణంగా చిన్న పదం కన్నా ఎక్కువ ఖర్చు అవుతుంది. వాక్యంలోని చిన్న భాగాన్ని మాత్రమే చదివితే కూడా, ఆ భాగం స్పష్టంగా వినిపించినప్పటికీ, స్కోర్ పరిమితమవుతుంది.
మీ స్కోర్‌ను రిఫరెన్స్‌తో పోల్చడం
చివరగా, సిస్టమ్ అదే వాక్యానికి రిఫరెన్స్ రికార్డింగ్ను ఉపయోగించి రా స్కోర్‌ను నార్మలైజ్ చేయగలదు.
అది అదే స్కోరర్ వెర్షన్‌తో సింథసైజ్డ్ రిఫరెన్స్‌ను స్కోర్ చేసి, ఉపయోగించగల మ్యాచ్ బేస్‌లైన్ ఇప్పటికే ఉన్నప్పుడు, ఇది ప్రయోగిస్తుంది:
displayed score = min(100, raw score / reference score × 100)
ఉదాహరణకు, 80 రా స్కోర్‌ను 88 రిఫరెన్స్ స్కోర్‌తో పోల్చితే, అది సుమారు 90.9 అవుతుంది.
ఈ సర్దుబాటు మోడల్ రిఫరెన్స్ రికార్డింగ్‌కి కూడా 100 కన్నా తక్కువ స్కోర్ ఇవ్వవచ్చని పరిగణనలోకి తీసుకుంటుంది.
బేస్‌లైన్లు ఇవి కలిపి ఉంటాయి:
- రిఫరెన్స్ వాయిస్ మరియు స్పీచ్‑జనరేషన్ మోడల్.
- స్కోరింగ్ మోడల్.
- వోక్యాబ్యులరీ.
- కాలిబ్రేషన్ మరియు రూల్ వెర్షన్.
మ్యాచింగ్ బేస్‌లైన్ అందుబాటులో లేకపోతే లేదా ఉపయోగించలేనిదైతే, ఫలితం తన రా స్కోర్‌ను కొనసాగిస్తుంది. మొదటి ప్రయత్నం సర్దుబాటు చేయబడకుండా ఉండవచ్చు, బేస్‌లైన్ తరువాతి ప్రయత్నాల కోసం సిద్ధం చేయబడుతుంది.
మీ స్కోర్ అంటే ఏమిటి
ఫలితంగా వచ్చిన సంఖ్య HolosAccent స్కేలు మీద ప్రాక్టీస్ స్కోర్.
90 స్కోర్ అంటే మీ పదాలలో 90 శాతం సరైనవని కాదు, అలాగే ఇది CEFR స్థాయిని లేదా స్థానిక‑స్పీకర్ సమానత్వాన్ని స్థాపించదు.
ఈ మ్యాపింగ్ నిపుణుల‑రేటెడ్ రికార్డింగ్స్ ద్వారా ఫిట్ చేయబడింది, కానీ కొత్త స్కోరింగ్ సిస్టమ్ ఇంకా ప్రయోగాత్మకంగా ఉంది మరియు దాని పూర్తి అంగీకార ప్రమాణాలు ఇంకా నిర్ధారించబడలేదు. ఇది తప్పులను మిస్ చేయవచ్చు లేదా స్వీకారయోగ్యమైన స్పీచ్‌ను ఫ్లాగ్ చేయవచ్చు.
వ్యక్తిగత పద ఫీడ్బ్యాక్ మరియు పునరావృత ప్రయత్నాలలోని నమూనాలు సంఖ్యను అర్థం చేసుకోవడానికి సందర్భాన్ని అందిస్తాయి.
