Apakah AI Bisa Memahami Aksen Saya Saat Bicara Bahasa Inggris?

Mengapa AI lama kesulitan dengan aksen

Pengenalan suara tidak selalu bisa menangani aksen dengan baik. Pada awal 2010-an, sistem dilatih terutama dengan rekaman penutur asli, sering kali dari wilayah dan dialek yang sempit. Ketika seorang pelajar dengan aksen Indonesia, Jawa, atau Sunda berbicara bahasa Inggris, tingkat kesalahan sistem bisa dua atau tiga kali lebih tinggi dibandingkan suara Amerika atau Britania standar.

Penyebabnya sederhana. Model suara belajar dengan mencocokkan bunyi ke kata, dan ia hanya bisa mencocokkan apa yang pernah didengarnya. Jika model belum pernah mendengar penggantian vokal tertentu atau pola tekanan yang berbeda, ia tidak punya rujukan untuk memetakan bunyi itu. Hasilnya adalah transkripsi penuh kata salah, dan pelajar yang menyimpulkan bahwa mesin memang tidak bisa mendengarnya.

Kesimpulan itu wajar pada masanya, tetapi sudah usang. Masalah data latih telah diserang dari beberapa arah sekaligus, dan jarak antara pengenalan penutur asli dan non-asli menyempit lebih cepat daripada yang disadari kebanyakan pelajar.

Apa yang berubah dalam pengenalan suara

Perubahan terbesar ada pada datanya sendiri. Sistem modern dilatih dengan jutaan jam rekaman suara dari semua benua, termasuk volume besar bahasa Inggris penutur non-asli. Model yang sudah mendengar sepuluh ribu penutur India, Nigeria, dan Brasil tidak lagi kaget ketika pelajar melafalkan "think" menjadi "tink" atau menghilangkan konsonan akhir pada "hand".

Pembelajaran mendalam juga mengubah cara kesalahan ditangani. Sistem lama memecah ucapan menjadi unit kecil dan mencocokkannya satu per satu. Model baru mendengarkan seluruh frasa dan memprediksi kalimat yang paling mungkin, sehingga konteks menyelamatkan kata yang salah ucap. Jika Anda mengatakan "I need to catch the buss", model mendengar kata-kata di sekitarnya dan menulis "bus" dengan benar, karena "buss" tidak masuk akal dalam kalimat itu.

Hasil praktisnya, tolok ukur terbaru menunjukkan akurasi pengenalan bahasa Inggris penutur non-asli kini mendekati tingkat penutur asli pada sistem komersial utama. Itu tidak berarti setiap aksen ditangani setara, tetapi masa ketika mesin gagal total pada aksen asing sudah berakhir.

Aksen mana yang ditangani AI dengan baik?

Akurasi tidak tersebar merata. Aksen yang paling sering muncul dalam data latih ditangani paling baik, dan itu biasanya aksen dengan jumlah penutur bahasa Inggris terbanyak. Bahasa Inggris India, Nigeria, Filipina, dan aksen Eropa utama semuanya terwakili dengan baik, karena populasi tersebut menghasilkan rekaman bahasa Inggris dalam jumlah besar setiap hari.

Aksen yang lebih kecil atau jarang menjadi titik lemah. Penutur dari komunitas bahasa yang lebih kecil dengan ritme dan sistem vokal yang khas mungkin masih mengalami lebih banyak kesalahan, semata-mata karena model telah mendengar lebih sedikit contoh pola bunyi tersebut. Hal yang sama berlaku untuk aksen yang mencampur dua atau tiga pengaruh dengan cara yang tidak biasa.

Ada juga perbedaan antara memahami dan menilai. Sistem bisa menyalin kata-kata Anda dengan sempurna namun tetap menandai bunyi tertentu sebagai salah, karena transkripsi dan penilaian pelafalan adalah dua tugas berbeda. Perbedaan ini lebih penting daripada yang disadari kebanyakan pelajar, dan akan muncul lagi nanti.

Kapan AI masih salah memahami aksen Anda

Tiga situasi masih menimbulkan kesalahan, dan semuanya layak diketahui karena dua di antaranya bisa Anda kendalikan.

Pertama, suara latar. Model yang menangani aksen Anda dengan sempurna di ruangan sunyi akan kesulitan di kafe atau di bus, karena kebisingan menenggelamkan bunyi yang membedakan satu kata dari kata lain. Ini juga berlaku untuk penutur asli, tetapi efeknya lebih besar ketika pelafalan sudah tidak standar.

Kedua, kecepatan. Ketika Anda berbicara sangat cepat, bunyi saling bertumpuk dan model mendapat lebih sedikit informasi per kata. Memperlambat bahkan sepuluh atau lima belas persen bisa meningkatkan pengenalan secara nyata, dan itu tidak membuat Anda terdengar kurang fasih di telinga manusia.

Ketiga, ciri daerah yang kuat. Jika bahasa Inggris Anda membawa aksen daerah yang kental dari bahasa pertama Anda, beberapa perbedaan konsonan dan vokal mungkin masih hilang. Ini bukan alasan untuk menghapus aksen Anda, tetapi alasan untuk memeriksa bunyi spesifik mana yang salah didengar sistem, karena bunyi itulah yang mungkin juga menyulitkan pendengar manusia.

Apakah AI bisa memahami aksen saya saat bicara bahasa Inggris? Begini cara mengujinya

Cara terbaik menjawab pertanyaan "apakah AI bisa memahami aksen saya saat bicara bahasa Inggris" adalah mengujinya langsung, dan mengujinya dengan cara yang memberi informasi berguna, bukan sekadar ya atau tidak. Alat seperti Tutoro melakukannya di dalam percakapan, menilai setiap kata saat Anda mengucapkannya, sehingga jawabannya berasal dari ucapan Anda sendiri, bukan klaim umum.

Mulailah dengan dikte gratis. Buka alat transkripsi apa pun yang umum dipakai, bicaralah selama satu menit tentang topik yang Anda kuasai, lalu baca hasilnya. Hitung kesalahannya. Jika transkripsi sebagian besar benar, sistem memahami Anda. Jika tidak, perhatikan kata mana yang salah, karena polanya menunjukkan bunyi mana yang bermasalah.

Lalu uji satu menit yang sama di lingkungan bising. Selisih antara hasil di ruangan sunyi dan ruangan bising menunjukkan seberapa besar kesulitannya berasal dari aksen Anda dan seberapa besar dari lingkungan. Perbedaan ini berguna, karena salah satunya bisa diatasi dengan ruangan yang lebih tenang dan yang lain dengan latihan.

Terakhir, coba alat yang memberi umpan balik, bukan hanya transkrip. Sistem yang menandai setiap kata sebagai baik, cukup, atau kurang memberi tahu Anda sesuatu yang tidak bisa diberikan transkripsi biasa: bukan hanya apakah Anda dipahami, tetapi bunyi mana yang mungkin terdengar tidak jelas bagi pendengar. Di sinilah latihan berbicara bahasa Inggris dengan AI menjadi benar-benar berguna, karena penilaiannya per kata dan langsung, sehingga Anda bisa melihat persis suku kata mana yang membuat sistem tersandung saat Anda masih mengucapkannya.

Tutoro menjalankan penilaian pelafalan di dalam percakapan, jadi Anda tidak mendikte ke kotak kosong melainkan berbicara dengan tutor yang menandai setiap kata baik, cukup, atau kurang saat Anda mengucapkannya. Karena penilaiannya langsung dan kata per kata, Anda bisa melihat bunyi mana yang bermasalah dan langsung mengulanginya. Ini cocok untuk pelajar yang ingin umpan balik saat berbicara, bukan transkrip untuk dianalisis setelahnya, dan kurang berguna jika Anda hanya ingin transkripsi netral dari rekaman panjang.

Apakah memahami berarti menilai secara adil?

Inilah bagian yang paling sering terlewat oleh pelajar. Mesin bisa memahami aksen Anda dengan sempurna namun tetap menilai pelafalan Anda dengan keras, karena keduanya sistem berbeda dengan tujuan berbeda. Transkripsi bertanya "apa yang dikatakan orang ini?" sedangkan penilaian pelafalan bertanya "seberapa dekat setiap bunyi dengan pelafalan acuan?"

Ini penting karena pelajar yang mendapat skor pelafalan rendah bisa salah menyimpulkan bahwa AI tidak bisa memahaminya. Padahal, sering kali yang terjadi justru sebaliknya: sistem memahami setiap kata, dan sekarang memberi tahu seberapa jauh setiap bunyi dari target. Itu umpan balik, bukan penolakan, dan justru informasi yang Anda butuhkan untuk berkembang.

Pertanyaan yang adil, dengan demikian, bukan apakah AI memahami aksen Anda. Melainkan apakah umpan balik yang Anda terima memperlakukan aksen Anda sebagai masalah yang harus dihapus atau sebagai sekumpulan bunyi spesifik yang perlu dipertajam. Alat terbaik membuat perbedaan itu jelas, menandai kata satu per satu alih-alih memberi satu skor keseluruhan yang tidak memberi tahu apa yang harus diperbaiki.

Riset tentang penilaian pelafalan otomatis untuk pelajar bahasa kedua menunjukkan bahwa umpan balik tingkat kata membantu pelajar berkembang lebih baik daripada satu skor global, karena menunjuk bunyi persis yang perlu dilatih. Pelajar yang tahu bahwa "ship" dan "sheep" adalah masalahnya bisa melatih pasangan itu; pelajar yang hanya diberi tahu "pelafalan Anda 62%" hanya bisa menebak.

Itulah jawaban sebenarnya atas pertanyaan ini. AI modern memahami sebagian besar aksen cukup baik untuk menyalinnya, dan sistem yang berguna melangkah lebih jauh dengan memberi tahu bunyi mana yang mungkin terdengar tidak jelas bagi pendengar. Aksen Anda bukan penghalang untuk dipahami mesin. Aksen Anda adalah sumber umpan balik spesifik yang bisa ditindaklanjuti, jika Anda memakai alat yang memberikannya kata per kata.

Apa yang harus Anda lakukan dengan informasi ini?

Berhentilah bertanya apakah mesin bisa mendengar Anda, karena jawabannya hampir selalu bisa. Mulailah bertanya bunyi mana yang ditandai, dan apakah pendengar manusia akan menandai bunyi yang sama. Irisan antara kedua daftar itulah tempat waktu latihan Anda seharusnya dialokasikan.

Pilih satu pasangan bunyi yang ditandai kurang oleh sistem, lalu latih dalam kalimat nyata, bukan terpisah. Jika sistem menandai "th" Anda kurang, ucapkan "I think this is the thing" sepuluh kali dan lihat skornya bergerak. Jika yang ditandai konsonan akhir, bacalah satu paragraf pendek dan fokus hanya pada akhir kata. Tujuannya bukan skor sempurna, melainkan sinyal jelas bahwa bunyi tertentu sudah menjadi lebih jelas.

Aksen Anda adalah bagian dari cara Anda berbicara bahasa Inggris, dan tidak perlu hilang agar Anda dipahami. Yang perlu terjadi adalah bunyi spesifik yang benar-benar membingungkan pendengar dipertajam, dan sisanya bisa tetap apa adanya. AI kini cukup baik untuk memberi tahu bunyi mana itu, dan itu jawaban yang jauh lebih berguna daripada sekadar ya atau tidak.