फ़ोनीम क्या है? परिभाषा और अंग्रेज़ी के 44 फ़ोनीम

फ़ोनीम किसी भाषा में ध्वनि की सबसे छोटी इकाई है, जो किसी शब्द का अर्थ बदल सकती है। एक फ़ोनीम बदलने पर आप बिल्कुल अलग शब्द बना सकते हैं। /æt/ के साथ /p/ और /b/ जुड़कर ‘pat’ और ‘bat’ बनाते हैं—दो बिल्कुल अलग शब्द।

खास तौर पर अंग्रेज़ी में, फ़ोनीम ही वह वजह हैं कि वर्तनी और ध्वनि अक्सर मेल नहीं खाते। “fox” जैसे शब्द में चार अलग फ़ोनीम होते हैं (/f/ /ɒ/ /k/ /s/), लेकिन अक्षर केवल तीन होते हैं; जबकि ‘ship’ में चार अक्षर हैं, पर फ़ोनीम केवल तीन हैं (/ʃ/ /ɪ/ /p/)। फ़ोनीम को समझना भाषा सीखने और यह समझने—दोनों के लिए ज़रूरी है कि आधुनिक टेक्स्ट टू स्पीच सिस्टम लिखे हुए शब्दों को स्वाभाविक लगने वाली आवाज़ में कैसे बदलते हैं।

इस लेख में उदाहरणों के साथ बताया गया है कि फ़ोनीम क्या है, अंग्रेज़ी के सभी 44 फ़ोनीम का पूरा चार्ट दिया गया है, और यह भी कि AI वॉइस टेक्नोलॉजी सही उच्चारण के लिए फ़ोनीम स्तर का नियंत्रण कैसे इस्तेमाल करती है।

सारांश:

• फ़ोनीम बोली जाने वाली भाषा में ध्वनि की सबसे छोटी इकाई है, जो किसी शब्द का अर्थ बदल सकती है।
• ज़्यादातर भाषाविज्ञानी अंग्रेज़ी में 44 फ़ोनीम मानते हैं, जिनमें 24 व्यंजन ध्वनियाँ और 20 स्वर ध्वनियाँ शामिल हैं।
• फ़ोनीम ध्वनियों को दर्शाते हैं, जबकि ग्रैफ़ीम वे अक्षर या अक्षरों के संयोजन होते हैं जो लिखित रूप में किसी फ़ोनीम को दर्शाते हैं।
• अंतरराष्ट्रीय ध्वन्यात्मक वर्णमाला (IPA) फ़ोनीम दर्शाने वाले प्रतीकों को मानकीकृत करती है, ताकि इन ध्वनियों के उच्चारण में एकरूपता बनी रहे।
• टेक्स्ट टू स्पीच टूल ऑडियो फ़ाइल बनाने से पहले ग्रैफ़ीम को फ़ोनीम में बदलते हैं।

फ़ोनीम क्या है?

फ़ोनीम ध्वनि की सबसे छोटी इकाई है जो एक शब्द को दूसरे से अलग कर सकती है। भाषाविज्ञानी ऐसे दो शब्द ढूँढकर फ़ोनीम पहचानते हैं जिनमें सिर्फ़ एक ध्वनि का अंतर हो। इन शब्दों को न्यूनतम युग्म कहा जाता है। उदाहरण:

• Pat / bat: इस न्यूनतम युग्म में /p/ और /b/ अलग फ़ोनीम हैं।
• Ship / sheep: /ɪ/ और /iː/ वे फ़ोनीम हैं जो इन शब्दों को बदल देते हैं।
• Bat / bad: /t/ और /d/ वे अलग फ़ोनीम हैं जो इन शब्दों में अंतर पैदा करते हैं।

अगर किसी शब्द में एक ध्वनि बदलने से नया शब्द बनता है, तो वे दोनों ध्वनियाँ उस भाषा में अलग फ़ोनीम हैं। अगर उससे उसी शब्द का केवल थोड़ा अलग सुनाई देने वाला रूप बनता है, तो वे एक ही फ़ोनीम के रूपांतर हैं।

“फ़ोनीम” शब्द यूनानी शब्द phōnēma से आया है, जिसका अर्थ है उच्चारित ध्वनि या निकाली गई आवाज़। फ़ोनीम को परिभाषित करते समय यह याद रखना उपयोगी है कि वे ध्वनि की इकाइयाँ हैं, वर्तनी की जानकारी नहीं। जैसा कि आप जल्द ही देखेंगे, फ़ोनीम केवल एकल अक्षरों तक सीमित नहीं हैं, बल्कि पूरी सुनाई देने वाली ध्वनियों को शामिल करते हैं।

अंग्रेज़ी में कितने फ़ोनीम हैं?

अंग्रेज़ी में 24 व्यंजन फ़ोनीम और 20 स्वर फ़ोनीम मिलाकर कुल 44 फ़ोनीम हैं। हालाँकि, यह केवल एक सामान्य अनुमान है। उच्चारण और अलग ध्वनियों को परिभाषित करने के भाषाविज्ञानियों के तरीकों के आधार पर, कुछ लोग इनकी संख्या 42 तो कुछ 45 मानते हैं। उदाहरण के लिए, सामान्य अमेरिकी उच्चारण में “car” का /r/ बोला जाता है, जबकि रिसीव्ड प्रनन्सिएशन (ब्रिटिश) में नहीं; इसलिए इन उच्चारणों में कुल संख्या अलग हो सकती है।

दूसरे उच्चारणों में स्वर आपस में मिल सकते हैं, जिससे कुल गिनती से फ़ोनीम हट जाते हैं। जैसे, कुछ अमेरिकी “cot” और “caught” का उच्चारण एक जैसा करते हैं, जिससे भाषाविज्ञानी कुल संख्या का आकलन अलग तरह से करते हैं। कुछ सीमांत ध्वनियाँ भी संख्या को प्रभावित कर सकती हैं, जिनमें द्विस्वरों को एक फ़ोनीम के बजाय संयोजन माना जाता है। उदाहरण के लिए, कुछ प्रणालियाँ /ʍ/ (‘which’ की शुरुआत में आने वाली श्वासयुक्त ध्वनि) को अलग फ़ोनीम गिनती हैं, जबकि अन्य इसे /h/ और /w/ का संयोजन मानती हैं।

मानक गिनती 44-फ़ोनीम मॉडल है। इसमें 24 व्यंजन, 12 एकस्वर और 8 द्विस्वर होते हैं। यही मानक UK में ध्वनिविज्ञान की शिक्षा और ESL निर्देश में इस्तेमाल होता है।

अंग्रेज़ी के 44 फ़ोनीम: उदाहरणों के साथ पूरा चार्ट

व्यंजन फ़ोनीम (24)

स्वर फ़ोनीम (12 एकस्वर + 8 द्विस्वर = कुल 20)

प्रतीक ब्रिटिश अंग्रेज़ी (RP) प्रणाली के अनुसार हैं, जिसका इस्तेमाल ज़्यादातर फोनिक्स पाठ्यक्रमों में होता है; r-युक्त स्वरों के लिए जनरल अमेरिकन विश्लेषण थोड़ा अलग है।

फ़ोनीम और ग्रैफ़ीम में क्या अंतर है?

फ़ोनीम एक ध्वनि है, जबकि ग्रैफ़ीम उस ध्वनि का लिखित रूप है। ग्रैफ़ीम एक अक्षर (c-a-t), दो अक्षर (डाइग्राफ, जैसे sh या ea), तीन अक्षर (“night” में igh), या चार अक्षर (“though” में ough) का हो सकता है।

फ़ोनीम और ग्रैफ़ीम का मेल न होना ही अंग्रेज़ी की वर्तनी को कुख्यात रूप से कठिन बनाता है। उदाहरण के लिए:

• एक फ़ोनीम, कई ग्रैफ़ीम: /iː/ ध्वनि को ee (sheep), ea (leaf), e (be), ey (key), ie (chief), या ei (ceiling) से लिखा जा सकता है।
• एक ग्रैफ़ीम, कई फ़ोनीम: अक्षर ough, "through" (/uː/), "though" (/əʊ/), "tough" (/ʌf/), और "thought" (/ɔː/) में अलग-अलग फ़ोनीम दर्शाते हैं।

हालाँकि अंग्रेज़ी भाषा में 44 फ़ोनीम हैं, उन्हें लिखने के लिए 200 से ज़्यादा ग्रैफ़ीम हैं। स्पैनिश जैसी अधिक ध्वन्यात्मक भाषा में यह मिलान लगभग एक-से-एक होता है, लेकिन अंग्रेज़ी में बोलना और लिप्यंतरण बहुत जटिल हो जाता है। यही कारण है कि टेक्स्ट टू स्पीच मॉडल केवल अक्षरों को पढ़ नहीं सकता, जिस पर हम आगे लौटेंगे।

फ़ोनीम बनाम एलोफ़ोन

एलोफ़ोन एक ही फ़ोनीम के अलग-अलग उच्चारण हैं जो शब्द का अर्थ नहीं बदलते। अगर ऐसा कोई न्यूनतम युग्म नहीं है जिसमें एक फ़ोनीम से दो अलग शब्द बनते हों, तो वह एलोफ़ोन है।

उदाहरण के लिए, “pat” में /p/ की ध्वनि “spat” के अघोषित संस्करण से अलग सुनाई देती है। ये अलग ध्वनियाँ हैं, लेकिन कोई भी अंग्रेज़ी शब्द-युग्म केवल इस श्वास-प्रक्षेप के आधार पर अलग नहीं होता, यानी अंग्रेज़ी बोलने वाले इन्हें मूलतः एक ही ध्वनि मानते हैं। थाई जैसी दूसरी भाषाओं में, श्वासयुक्त और अश्वासयुक्त /p/ का अंतर अलग फ़ोनीम बनाता है, जो शब्दों को पूरी तरह अलग कर देता है।

इसका मतलब है कि किसी ध्वनि को फ़ोनीम माना जाएगा या नहीं, यह पूरी तरह भाषा पर निर्भर करता है। बात सिर्फ़ ध्वनिकी की नहीं, बल्कि ध्वनियों के शब्दों के अर्थ पर असर की है।

फ़ोनीम टेक्स्ट टू स्पीच को कैसे सक्षम बनाते हैं

हर टेक्स्ट टू स्पीच सिस्टम को वही समस्या हल करनी होती है जो ज़ोर से पढ़ते समय दिमाग हल करता है: बोलने से पहले ग्रैफ़ीम को फ़ोनीम में बदलना। ग्रैफ़ीम-से-फ़ोनीम (G2P) रूपांतरण काफ़ी मुश्किल है और यहीं कई बुनियादी सिस्टम TTS में गलतियाँ करते हैं।

टेक्स्ट अस्पष्ट हो सकता है। एक ही शब्द, “read”, वर्तमान काल में /riːd/ और भूतकाल में /red/ हो सकता है। कुछ व्यक्तिवाचक संज्ञाएँ, जैसे ब्रांड नाम या तकनीकी शब्दावली, मानक वर्तनी नियमों का बिल्कुल पालन नहीं करतीं। Eleven v3 जैसे आधुनिक AI मॉडल संदर्भ के आधार पर इनमें से ज़्यादातर को समझ लेते हैं, लेकिन सुनिश्चित उच्चारण के लिए आप फ़ोनीम को और बारीकी से नियंत्रित भी कर सकते हैं:

• उच्चारण शब्दकोश: पूरे प्रोजेक्ट में हर शब्द का उच्चारण तय करें। बार-बार आने वाले ब्रांड नामों, पात्रों के नामों, मेडिकल शब्दों या कंपनी-विशिष्ट शब्दावली के लिए यह आदर्श है।
• SSML फ़ोनीम टैग और IPA: v2 मॉडल पर SSML फ़ोनीम टैग के ज़रिए आप शब्द-स्तर पर उच्चारण नियंत्रित कर सकते हैं, या शब्दों को सीधे Eleven v3 ऑडियो टैग के साथ लिख सकते हैं।

यही फ़ोनीमिक परत उलटी दिशा में भी काम करती है। स्पीच टू टेक्स्ट के लिए मॉडल को ध्वनिक पैटर्न सीखने होते हैं, ताकि वे शब्दों में जोड़ने से पहले फ़ोनीम अनुक्रमों को मैप कर सकें। फ़ोनीमिक समझ से ही वे ऐसे शब्द को लिप्यंतरित कर पाते हैं जिसे उन्होंने पहले कभी नहीं देखा हो।

भाषा सीखने में फ़ोनीम का उपयोग कैसे करें

आम यूज़र फ़ोनीम के बारे में और जानना इसलिए चाह सकते हैं क्योंकि वे भाषा सीखने में बेहद उपयोगी होते हैं। कम उम्र में किसी बच्चे की अलग-अलग फ़ोनीम को सुनने या पहचानने की क्षमता आगे के ध्वन्यात्मक ज्ञान के उसके अर्जन को सीधे प्रभावित करती है और किशोरावस्था भर उसके भाषाई उत्पादन को भी।

नई भाषा सीखते समय आपके दिमाग को उन फ़ोनीम को समझना होता है जिन्हें सुनने की ट्रेनिंग आपके कान को कभी नहीं मिली। भाषा सीखने को बेहतर बनाने के लिए फ़ोनीम इस्तेमाल करने की कुछ व्यावहारिक रणनीतियाँ:

• IPA प्रतीक सीखें: अंतरराष्ट्रीय ध्वन्यात्मक वर्णमाला शब्दकोशों में हर शब्द का उच्चारण दिखाने के लिए दी जाती है। IPA सीखने पर आप हमेशा जानेंगे कि किसी शब्द को कैसे पढ़ना है, भले ही आप उसे पहली बार देख रहे हों।
• फ़ोनीम सुनें और उनकी नकल करें: किसी भाषा में हर फ़ोनीम को पहचानने के लिए बोलने की गति धीमी करें और उसकी नकल करें। इससे यह समझ बनती है कि हर ध्वनि का उच्चारण कैसे करना है, जो भाषा सीखते समय पूरे वाक्य दोहराने से ज़्यादा प्रभावी है।
• अभ्यास के लिए न्यूनतम युग्म का उपयोग करें: न्यूनतम युग्मों में केवल एक फ़ोनीम का अंतर होता है। बोलते समय इनके उदाहरणों का अभ्यास करने से आपकी जीभ और कान को भाषाओं के बीच के सूक्ष्म अंतर पहचानने और दोहराने की ट्रेनिंग मिलेगी।

AI वॉइस टूल ने भी भाषा सीखना काफ़ी आसान बना दिया है। टेक्स्ट टू स्पीच जनरेटर से आप दर्जनों भाषाओं और कई क्षेत्रीय उच्चारणों में किसी भी शब्द या वाक्यांश को मूल वक्ता जैसी आवाज़ में सुन सकते हैं।

फ़ोनीम-स्तरीय टेक्स्ट टू स्पीच के लिए ElevenLabs आज़माएं

चाहे आप किसी नई भाषा के ध्वनिविज्ञान को समझ रहे हों या अपनी मातृभाषा को निखार रहे हों, फ़ोनीम की ठोस समझ प्रभावी और स्पष्ट अभिव्यक्ति में महारत पाने की कुंजी है। फिर भी, भाषाविज्ञान की अकादमिक समझ ही भाषा सीखने का हमारा एकमात्र तरीका नहीं है। हम सुनकर और नकल करके भी सीखते हैं।

टेक्स्ट टू स्पीच जनरेशन टूल फ़ोनीमिक जागरूकता विकसित करने और ध्वनि इकाइयों, पूरे शब्दों व बोली जाने वाली बातचीत में स्वाभाविक रूप से शामिल अन्य अलग-अलग ध्वनियों की सहज समझ बनाने में बेहद उपयोगी हैं।

ElevenLabs के साथ शक्तिशाली टेक्स्ट टू स्पीच टेक्नोलॉजी का इस्तेमाल शुरू करें या हमारे क्रिएटिव टूल के सुइट के बारे में आज ही और जानें।

अक्सर पूछे जाने वाले सवाल