फोनीम (Phoneme) क्या है?

फोनीम किसी दिए गए भाषा में ध्वनि क्षेत्र की सबसे छोटी सार्थक इकाई है। अक्षरों के विपरीत, जो लिखित भाषा का हिस्सा होते हैं, फोनीम बोली (speech) के क्षेत्र में मौजूद होते हैं। दो ध्वनियाँ तब अलग-अलग फोनीम के रूप में मान्य होती हैं जब एक को दूसरे से बदलने पर शब्द का अर्थ बदल जाता है। अंग्रेजी शब्द "sip" और "zip" केवल एक फोनीम के कारण भिन्न हैं: /s/ बनाम /z/।

अंग्रेजी में फोनीम

सामान्यता अंग्रेजी में लगभग 44 फोनीम माने जाते हैं, हालाँकि इनकी सटीक संख्या बोली (dialect) और इस्तेमाल किए जाने वाले ध्वनि-विज्ञान (phonological) ढांचे के आधार पर थोड़ी भिन्न हो सकती हूँ। इन फोनीम को दो बड़े समूहों में बांटा जाता है:

• व्यंजन फोनीम (Consonant phonemes) (लगभग 24): /k/, /t/, /m/, और /ʃ/ ("sh" की ध्वनि) ज्यादा आवाजें।

• स्वर फोनीम (Vowel phonemes) (लगभग 20): जिसमें /æ/ ("cat" की तरह) जैसे शुद्ध स्वर और /aɪ/ ("ride" की तरह) जैसे संयुक्त स्वर (diphthongs) ऺामिल हैं।

किसी भी भाषा की पूर्ण फोनीम सूची उसकी फोनीमिक इन्वेंट्री (phonemic inventory) द्वारा परिभाषित की जाती है, जो उस भाषा की हर एक विपरीत ध्वनि को सूचीबद्ध करती है।

फोनीम (Phoneme) बड़े मोर्फीम (Morpheme)

फोनीम और मोर्फीम भाषा के अलग-अलग स्तरों पर काम करते हैं। फोनीम ध्वनि की एक इकाई है जिसका अपने आप में कोई निहित अर्थ भी नहीं होता। मोर्फीम अर्थ की सबसे छोटी इकाई है। उदाहरण के लिए, "cats" शब्द में ढेर सारे तीन फोनीम (/k/, /æ/, /ts/) हैं, ल्याकिन दो मोर्फीम हैं: "cat" (जानवर) और "-s" (बहुवचन को दर्शाता है)। सठीक नेचुरल लैंग्वेज प्रोसेसिंग सिस्टम बनाने के लिए दोन्हों अवधारणाओं को समझना अत्यंत आवश्यक है।

स्पीच और वॉयस टेक्नोलॉजी में फोनीम

फोनीम आधुनिक स्पीच टेक्नोलॉजी में एक मुख्य भूमिका निभाते हैं। ऑटोमेटिक स्पीच रिकग्निशन (ASR) में, शब्दों में मैप होने स्पीच से पहले, उद्योग के ऑडियो इनपुट को आमतौर पर फोनीम के एक क्रम में डिकोड किया जाता है। टेक्स्ट-टू-स्पीच (TTS) सिंथेसिस में, लिखित टेक्स्ट को सबसे पहले एक फोनीम क्रम में परिवर्तित किया जाता है, जो फिर ऑडियो जनरेशन को चलाता है।

मुख्य अनुप्रयोगों में शामिल हैं:

• ग्राफीम-से-फोनीम (G2P) रूपांतरण: ऐसे एल्गोरिद्म जो किसी दिए गए लिखित शब्द के लिए फोनीम क्रम का अनुमान लगाते हैं, जो स्पेलिंग की अनियमितताओं को संभालते हैं।

• फोनीम-आधारित भाऱा मॉडल: वे मॉडल जो पहचान की सठीकता में सुधार करने के लिए फोनीम स्तर पर काम करते हैं, विश्षकर दुर्लभ या शब्दकोष से बाहर के शब्दों के लिए।

• उच्चारण शब्दकोष (Pronunciation dictionaries): शब्दों से लेकर उनके फोनीम लेखन तक किये गए नियोजित मैपिंग, जिन्हें ASR और TTS पाइपलाइनों में ट्रेनिंग डेटा और लुकअप संसाधनों के रूप में उपयोग किया जाता है।

चूंकि फोनीम सटीक ध्वनि संकेतों (ऐकोस्टिक सिग्नल) के बजाय अमूर्त ध्वनि वर्गों का प्रतिनिधित्व करते हैं, इसलिए स्पीच सिस्टम को एलोफोन्स (allophones) को भी ध्यान में रखना होगा, जो कि संदर्भ के आधार पर एक ही फोनीम के वास्तलिक ध्वनि बदलाव होते हैं। उदाहरण के लिए, "top" शब्द में /t/ में महाप्राण (हवा का झोंका) है, जबकि "stop" शब्द में /t/ में नहीं है, फिर भी दोनों एक ही फोनीम के उदाहरण हैं।