Ymmärtääkö tekoäly aksenttini kun puhun englantia?

Miksi tekoäly kamppaili aksenttien kanssa vuosia

Puheentunnistus ei aina selviytynyt aksenteista hyvin. 2010-luvun alussa järjestelmät koulutettiin pääosin syntyperäisten puhujien nauhoituksilla, usein kapeasta joukosta alueita ja murteita. Kun suomea äidinkielenään puhuva oppija puhui englantia, järjestelmän virheprosentti saattoi kaksin- tai kolminkertaistua verrattuna standardiamerikkalaiseen tai -brittiläiseen ääneen.

Syy oli yksinkertainen. Puhemalli oppii yhdistämään ääniä sanoihin, ja se pystyy yhdistämään vain sen, mitä on aiemmin kuullut. Jos se ei ollut koskaan kuullut tiettyä vokaalin korvausta tai erilaista painotuskuviota, sillä ei ollut mitään, mihin äänen voisi yhdistää. Tuloksena oli litterointi täynnä vääriä sanoja, ja oppija, joka päätteli, etteivät koneet yksinkertaisesti kuule häntä.

Päätelmä oli tuolloin ymmärrettävä, mutta se on vanhentunut huonosti. Koulutusdatan ongelmaan on hyökätty useasta suunnasta samanaikaisesti, ja ero syntyperäisen ja vieraskielisen puheen tunnistamisen välillä on kaventunut nopeammin kuin useimmat oppijat ymmärtävätkään.

Mikä puheentunnistuksessa muuttui

Suurin muutos on itse data. Nykyaikaiset järjestelmät on koulutettu miljoonilla puhetunneilla, joita on kerätty kaikilta mantereilta, mukaan lukien suuria määriä vieraskielistä englantia. Malli, joka on kuullut kymmenentuhatta intialaista, nigerialaista ja brasilialaista puhujaa, ei enää ylläty, kun oppija ääntää sanan "think" muodossa "tink" tai jättää loppukonsonantin pois sanasta "hand".

Syväoppiminen muutti myös tapaa, jolla virheitä käsitellään. Vanhemmat järjestelmät pilkkoivat puheen pieniin yksiköihin ja yhdistivät ne yksitellen. Uudemmat mallit kuuntelevat koko lauseen ja ennustavat todennäköisimmän virkkeen, mikä tarkoittaa, että konteksti pelastaa yksittäisen väärin äännetyn sanan. Jos sanot "I need to catch the buss", malli kuulee ympäröivät sanat ja kirjoittaa oikein "bus", koska "buss" ei ole järkevä siinä virkkeessä.

Käytännön lopputulos on, että tuoreet vertailututkimukset osoittavat vieraskielisen englannin tunnistustarkkuuden olevan nyt lähellä syntyperäisten tasoa suurissa kaupallisissa järjestelmissä. Tämä ei tarkoita, että jokainen aksentti kohdellaan yhtä hyvin, mutta se tarkoittaa, että ajat, jolloin koneet yksinkertaisesti epäonnistuivat vieraan aksentin kohdalla, ovat suurelta osin ohi.

Mitkä aksentit tekoäly hallitsee hyvin?

Tarkkuus ei jakaudu tasaisesti. Aksentit, joita esiintyy koulutusdatassa useimmin, selviävät parhaiten, ja ne ovat tyypillisesti niitä, joilla on eniten englannin puhujia. Intianenglanti, nigerianenglanti, filippiinienenglanti ja suurimmat eurooppalaiset aksentit ovat kaikki hyvin edustettuina, koska nämä väestöt tuottavat valtavia määriä englanninkielistä puhetta joka päivä.

Pienemmät tai harvinaisemmat aksentit ovat heikko kohta. Puhuja pienemmästä kieliyhteisöstä, jolla on omaleimainen rytmi ja vokaalijärjestelmä, voi yhä kohdata enemmän virheitä, yksinkertaisesti siksi, että malli on kuullut vähemmän esimerkkejä juuri siitä äänikuviosta. Sama pätee aksentteihin, jotka sekoittavat kaksi tai kolme vaikutetta epätavallisella tavalla.

Ymmärtämisen ja pisteytyksen välillä on myös ero. Järjestelmä voi litteroida sanasi täydellisesti ja silti merkitä yksittäisiä äänteitä virheellisiksi, koska litterointi ja ääntämisen arviointi ovat kaksi eri tehtävää. Tämä ero on tärkeämpi kuin useimmat oppijat ymmärtävätkään, ja siihen palataan myöhemmin.

Milloin tekoäly ymmärtää aksenttisi yhä väärin

Kolme tilannetta tuottaa edelleen virheitä, ja ne kannattaa tuntea, koska kaksi niistä on omassa hallinnassasi.

Ensinnäkin taustamelu. Malli, joka selviytyy aksentistasi täydellisesti hiljaisessa huoneessa, kamppailee kahvilassa tai bussissa, koska melutaso peittää juuri ne äänteet, jotka erottavat sanan toisesta. Tämä pätee myös syntyperäisiin puhujiin, mutta vaikutus on suurempi, kun ääntäminen on jo valmiiksi epästandardia.

Toiseksi nopeus. Kun puhut hyvin nopeasti, äänteet sulautuvat yhteen ja mallilla on vähemmän informaatiota sanaa kohden. Hidastaminen edes kymmenen tai viidentoista prosentin verran voi parantaa tunnistusta huomattavasti, eikä se saa sinua kuulostamaan vähemmän sujuvalta ihmiskuulijan korvissa.

Kolmanneksi voimakkaat alueelliset piirteet. Jos englannissasi on vahva äidinkielesi alueellinen aksentti, jotkin konsonantti- ja vokaalierot voivat yhä kadota. Tämä ei ole syy pyyhkiä aksenttiasi pois, mutta se on syy tarkistaa, mitkä yksittäiset äänteet järjestelmä kuulee väärin, koska ne ovat samoja äänteitä, joiden kanssa myös ihmiskuulija voi kamppailla.

Ymmärtääkö tekoäly aksenttini kun puhun englantia? Näin testaat sen

Paras tapa vastata kysymykseen "ymmärtääkö tekoäly aksenttini kun puhun englantia" on testata sitä suoraan, ja testata niin, että saat hyödyllistä tietoa etkä pelkkää kyllä tai ei. Työkalu kuten Tutoro tekee tämän keskustelun sisällä ja pisteyttää jokaisen sanan sitä mukaa kun sanot sen, joten vastaus tulee omasta puheestasi eikä yleisestä väitteestä.

Aloita ilmaisesta sanelusta. Avaa mikä tahansa laajalti käytetty litterointityökalu, puhu minuutti aiheesta, jonka tunnet hyvin, ja lue tulos. Laske virheet. Jos litterointi on pääosin oikein, järjestelmä ymmärtää sinua. Jos ei, katso mitkä sanat menivät pieleen, koska kuvio kertoo, mitkä äänteet ovat ongelma.

Testaa sitten sama minuutti meluisassa ympäristössä. Ero hiljaisen huoneen ja meluisan huoneen tulosten välillä näyttää, kuinka paljon vaikeudesta johtuu aksentistasi ja kuinka paljon ympäristöstä. Tämä on hyödyllinen ero, koska toinen niistä korjataan hiljaisemmalla huoneella ja toinen harjoittelulla.

Kokeile lopuksi työkalua, joka antaa palautetta eikä pelkkää litterointia. Järjestelmä, joka merkitsee jokaisen sanan hyväksi, kohtalaiseksi tai heikoksi, kertoo jotain, mihin pelkkä litterointi ei pysty: ei vain sitä, tulitko ymmärretyksi, vaan myös sen, mitkä äänteet kuulija voi kokea epäselviksi. Tässä englannin puhumisen harjoittelu tekoälyn kanssa muuttuu aidosti hyödylliseksi, koska pisteytys tapahtuu sana kerrallaan ja reaaliajassa, joten näet tarkalleen, mikä tavu sai järjestelmän kompastumaan, kun vielä puhut sitä.

Tutoro suorittaa ääntämisen pisteytyksen keskustelun sisällä, joten et sanelе tyhjään laatikkoon vaan puhut tutorille, joka merkitsee jokaisen sanan hyväksi, kohtalaiseksi tai heikoksi sitä mukaa kun sanot sen. Koska pisteytys on reaaliaikaista ja sana kerrallaan, näet mikä äänne aiheutti ongelman ja voit sanoa sen heti uudelleen. Se sopii oppijoille, jotka haluavat palautetta puhuessaan, eivät litterointia jälkikäteen analysoitavaksi, ja se on vähemmän hyödyllinen, jos haluat vain neutraalin litteroinnin pitkistä nauhoituksista.

Tarkoittaako ymmärtäminen oikeudenmukaista arviointia?

Tässä on se osa, jonka useimmat oppijat ohittavat. Kone voi ymmärtää aksenttisi täydellisesti ja silti arvioida ääntämisesi ankarasti, koska ne ovat eri järjestelmiä, joilla on eri tavoitteet. Litterointi kysyy "mitä tämä henkilö sanoi?", kun taas ääntämisen pisteytys kysyy "kuinka lähellä jokainen äänne oli vertailuääntämystä?".

Tällä on väliä, koska oppija, joka saa matalan ääntämispisteen, voi virheellisesti päätellä, ettei tekoäly ymmärrä häntä. Itse asiassa usein on päinvastoin: järjestelmä ymmärsi jokaisen sanan, ja nyt se kertoo, kuinka kaukana jokainen äänne on tavoitteesta. Se on palautetta, ei hylkäämistä, ja juuri sitä tietoa tarvitset kehittyäksesi.

Oikeudenmukainen kysymys ei siis ole se, ymmärtääkö tekoäly aksenttiasi. Se on se, kohteleeko saamasi palaute aksenttiasi ongelmana, joka pitää pyyhkiä pois, vai joukkona yksittäisiä äänteitä, joita pitää terävöittää. Parhaat työkalut tekevät tämän eron selväksi ja merkitsevät yksittäisiä sanoja sen sijaan, että antaisivat yhden kokonaispisteen, joka ei kerro mitään siitä, mitä pitäisi korjata.

Tutkimus toisen kielen oppijoiden automaattisesta ääntämisen arvioinnista osoittaa, että sanatason palaute auttaa oppijoita kehittymään enemmän kuin yksittäinen kokonaispiste, koska se osoittaa tarkalleen sen äänteen, jota pitää työstää. Oppija, joka tietää, että "ship" ja "sheep" ovat ongelma, voi harjoitella sitä paria; oppija, jolle sanotaan "ääntämisesi on 62 %", voi vain arvailla.

Se on todellinen vastaus kysymykseen. Nykyaikainen tekoäly ymmärtää useimmat aksentit riittävän hyvin litteroidakseen ne, ja hyödylliset järjestelmät menevät pidemmälle kertomalla, mitkä äänteet kuulija voi kokea epäselviksi. Aksenttisi ei ole este koneen ymmärtämiselle. Se on lähde yksittäisille, konkreettisille palautteille, jos käytät työkalua, joka antaa ne sana kerrallaan.

Mitä tällä tiedolla pitäisi tehdä?

Lopeta kysymästä, kuuleeko kone sinut, koska vastaus on lähes aina kyllä. Aloita kysymästä, mitkä äänteet se merkitsee ja merkitsisikö ihmiskuulija samat. Näiden kahden listan leikkauskohta on se, mihin harjoitteluaikasi kuuluu.

Valitse yksi äännepari, jonka järjestelmä merkitsee heikoksi, ja harjoittele sitä oikeissa lauseissa erillisten äänteiden sijaan. Jos järjestelmä merkitsee "th"-äänteesi heikoksi, sano "I think this is the thing" kymmenen kertaa ja seuraa, liikkuuko piste. Jos se merkitsee loppukonsonanttisi, lue lyhyt kappale ja keskity vain sanojen loppuihin. Tavoite ei ole täydellinen pistemäärä, vaan selkeä merkki siitä, että tietty äänne on tullut selkeämmäksi.

Aksenttisi on osa sitä, miten puhut englantia, eikä sen tarvitse kadota, jotta sinut ymmärrettäisiin. Tarvitaan sitä, että ne yksittäiset äänteet, jotka todella hämmentävät kuulijoita, terävöityvät, ja loput voivat pysyä täsmälleen sellaisina kuin ovat. Tekoäly on nyt riittävän hyvä kertomaan, mitkä äänteet ne ovat, mikä on paljon hyödyllisempi vastaus kuin pelkkä kyllä tai ei.