फ़ोनीम क्या है? परिभाषा और अंग्रेज़ी के 44 फ़ोनीम

फोनिम किसी भाषा में ध्वनि की सबसे छोटी इकाई है, जो किसी शब्द का अर्थ बदल सकती है। एक ही फोनिम बदलने पर बिल्कुल अलग शब्द बन सकता है। /æt/ के साथ /p/ और /b/ लगाने से ‘pat’ और ‘bat’ बनते हैं, जो दो बिल्कुल अलग शब्द हैं। 

खासकर अंग्रेज़ी में, फोनिम ही वह कारण हैं कि वर्तनी और ध्वनि अक्सर एक-दूसरे से मेल नहीं खाते। “fox” जैसे शब्द में चार अलग-अलग फोनिम होते हैं (/f/ /ɒ/ /k/ /s/), लेकिन अक्षर सिर्फ़ तीन होते हैं; वहीं ‘ship’ में चार अक्षर हैं, लेकिन केवल तीन फोनिम (/ʃ/ /ɪ/ /p/)। भाषा सीखने और आधुनिक टेक्स्ट टू स्पीच सिस्टम लिखे हुए शब्दों को प्राकृतिक लगने वाली आवाज़ में कैसे बदलते हैं, यह समझने के लिए फोनिम को समझना ज़रूरी है।

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

सारांश:

• फोनिम बोली जाने वाली भाषा में ध्वनि की सबसे छोटी इकाई है, जो किसी शब्द का अर्थ बदल सकती है।
• अधिकांश भाषाविज्ञानी अंग्रेज़ी में 44 फोनिम मानते हैं: 24 व्यंजन ध्वनियां और 20 स्वर ध्वनियां।
• फोनिम ध्वनियों को बताते हैं, जबकि ग्राफीम वे अक्षर या अक्षरों के संयोजन हैं जो लेखन में किसी फोनिम को दर्शाते हैं।
• अंतरराष्ट्रीय ध्वन्यात्मक वर्णमाला (IPA), फोनिम को दर्शाने वाले चिह्नों को मानकीकृत करती है, ताकि इन ध्वनियों के उच्चारण में एकरूपता बनी रहे।
• टेक्स्ट टू स्पीच टूल ऑडियो फ़ाइल बनाने से पहले ग्राफीम को फोनिम में बदलते हैं।

फोनिम क्या होता है?

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

• Pat / bat: इस न्यूनतम युग्म में /p/ और /b/ अलग फोनिम हैं।
• Ship / sheep: /ɪ/ और /iː/ वे फोनिम हैं जो इन शब्दों को बदलते हैं।
• Bat / bad: /t/ और /d/ वे अलग फोनिम हैं जो इन शब्दों में अंतर दर्शाते हैं।

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

“फोनिम” शब्द ग्रीक शब्द phōnēma से आया है, जिसका अर्थ है उच्चरित ध्वनि। फोनिम को परिभाषित करते समय यह याद रखना उपयोगी है कि वे ध्वनि की इकाइयां हैं, वर्तनी की जानकारी नहीं। जैसा कि आप जल्द ही देखेंगे, फोनिम केवल एकल अक्षरों से आगे जाकर पूरी श्रव्य ध्वनियों को समेटते हैं। 

अंग्रेज़ी में कितने फोनिम होते हैं?

अंग्रेज़ी में 24 व्यंजन फोनिम और 20 स्वर फोनिम मिलाकर 44 फोनिम होते हैं। हालांकि, यह केवल एक सामान्य अनुमान है। उच्चारण और भाषाविज्ञानी अलग-अलग ध्वनियों को कैसे परिभाषित करते हैं, इस पर निर्भर करते हुए 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।

अन्य उच्चारणों में स्वर आपस में मिल सकते हैं, जिससे कुल संख्या में फोनिम कम हो जाते हैं। जैसे कुछ अमेरिकी “cot” और “caught” का उच्चारण एक ही तरह करते हैं; ऐसे स्वर-विलय कुल संख्या के भाषावैज्ञानिक आकलन को प्रभावित करते हैं। कुछ सीमांत ध्वनियां भी संख्या को प्रभावित कर सकती हैं, जहां द्विस्वर को एक फोनिम के बजाय संयोजन माना जाता है। उदाहरण के लिए, कुछ प्रणालियां /ʍ/ (‘which’ की शुरुआत की सांसयुक्त ध्वनि) को अलग फोनिम मानती हैं, जबकि अन्य इसे /h/ और /w/ का संयोजन मानती हैं।

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

अंग्रेज़ी के 44 फोनिम: उदाहरणों के साथ पूरा चार्ट

व्यंजन फोनिम (24)

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

चिह्न अधिकांश फोनिक्स पाठ्यक्रमों में इस्तेमाल होने वाली ब्रिटिश अंग्रेज़ी (RP) प्रणाली का अनुसरण करते हैं; r-रंगित स्वरों के लिए जनरल अमेरिकन विश्लेषण थोड़ा अलग है।

फोनिम और ग्राफीम में क्या अंतर है?

फोनिम एक ध्वनि है, जबकि ग्राफीम उस ध्वनि का लिखित रूप है। ग्राफीम 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।

फोनिम और ग्राफीम के बीच का बेमेल ही अंग्रेज़ी की वर्तनी को कुख्यात रूप से कठिन बनाता है। उदाहरण:

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

हालांकि अंग्रेज़ी में 44 फोनिम हैं, लेकिन उन्हें लिखने के लिए 200 से अधिक ग्राफीम हैं। स्पैनिश जैसी अधिक ध्वन्यात्मक भाषा में यह मैपिंग लगभग एक-से-एक होती है, जबकि अंग्रेज़ी में बोलना और लिप्यंतर करना बेहद जटिल हो जाता है। यही वजह है कि टेक्स्ट टू स्पीच मॉडल केवल अक्षरों को पढ़ नहीं सकता, जिस पर हम आगे लौटेंगे। 

फोनिम बनाम एलोफोन

एलोफोन एक ही फोनिम के अलग-अलग उच्चारण होते हैं, जो शब्द का अर्थ नहीं बदलते। अगर ऐसा कोई न्यूनतम युग्म नहीं है जिसमें कोई फोनिम दो अलग शब्द बनाता हो, तो वह एलोफोन है।

उदाहरण के लिए, “pat” में /p/ की ध्वनि “spat” में उसके बिना-प्राण वाले रूप से अलग सुनाई देती है। ये अलग ध्वनियां हैं, लेकिन केवल इस प्राण-विसर्जन से कोई अंग्रेज़ी शब्द-युग्म अलग नहीं होता। यानी अंग्रेज़ी बोलने वाले इन्हें मूलतः एक ही ध्वनि मानते हैं। थाई जैसी भाषाओं में प्राणयुक्त और बिना-प्राण /p/ का अंतर अलग फोनिम बनाता है, जो शब्दों को पूरी तरह अलग करता है।

इसका मतलब है कि क्या फोनिम माना जाएगा, यह पूरी तरह भाषा-विशिष्ट है। बात केवल ध्वनिक गुणों की नहीं, बल्कि इस बात की है कि ध्वनियां शब्दों के अर्थ पर क्या असर डालती हैं। 

फोनिम 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 हमारा मस्तिष्क हल करता है: बोलने से पहले ग्राफीम को फोनिम में बदलना। ग्राफीम-से-फोनिम (G2P) रूपांतरण बेहद कठिन है, और यहीं कई शुरुआती सिस्टम TTS में गलतियां करते हैं।

टेक्स्ट अस्पष्ट हो सकता है। एक ही शब्द “read” वर्तमान काल में /riːd/ और भूतकाल में /red/ हो सकता है। ब्रांड नाम या तकनीकी शब्दावली जैसे कुछ व्यक्तिवाचक नाम मानक वर्तनी नियमों का बिल्कुल भी पालन नहीं कर सकते। Eleven v4 जैसे आधुनिक AI मॉडल इनमें से अधिकतर को संदर्भ से समझ लेते हैं, लेकिन सुनिश्चित उच्चारण के लिए आप फोनिम को अधिक बारीकी से भी नियंत्रित कर सकते हैं:

• उच्चारण शब्दकोश: पूरे प्रोजेक्ट में हर शब्द को कैसे बोला जाना चाहिए, यह तय करें। बार-बार आने वाले ब्रांड नामों, पात्रों के नामों, चिकित्सा शब्दों या कंपनी-विशिष्ट शब्दावली के लिए आदर्श।
• SSML फोनिम टैग और IPA: v2 मॉडल पर SSML फोनिम टैग से शब्द-स्तर पर उच्चारण नियंत्रित करें, या शब्दों को सीधे Eleven v4 ऑडियो टैग के साथ लिखें।

यही फोनिमिक 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 फोनिम अनुक्रमों को मैप कर सकें। फोनिमिक समझ की मदद से वे ऐसे शब्द का भी लिप्यंतरण कर पाते हैं जिसे उन्होंने पहले कभी नहीं देखा हो।

भाषा सीखने के लिए फोनिम का उपयोग कैसे करें

सामान्य यूज़र फोनिम के बारे में अधिक जानना इसलिए चाह सकते हैं क्योंकि वे भाषा सीखने में बेहद उपयोगी हैं। कम उम्र में बच्चे की अलग-अलग फोनिम को सुनने या पहचानने की क्षमता उनके आगे के ध्वन्यात्मक ज्ञान के अधिग्रहण को सीधे प्रभावित करती है और किशोरावस्था तक उनके भाषाई उत्पादन को भी।

नई भाषा सीखते समय आपके मस्तिष्क को उन फोनिम को समझना पड़ता है जिन्हें सुनने के लिए आपके कान कभी प्रशिक्षित नहीं हुए थे। भाषा सीखने को बेहतर बनाने के लिए फोनिम के उपयोग की कुछ व्यावहारिक रणनीतियां ये हैं:

• IPA चिह्न सीखें: अंतरराष्ट्रीय ध्वन्यात्मक वर्णमाला शब्दकोशों में हर शब्द का उच्चारण बताने के लिए दी जाती है। IPA सीखने पर आप किसी शब्द को हमेशा पढ़ सकेंगे, भले ही उसे पहली बार देख रहे हों।
• फोनिम सुनें और उनकी नकल करें: हर फोनिम पहचानने के लिए बोलने की गति धीमी करें और उसकी नकल करें। इससे हर ध्वनि का सही उच्चारण करने का संदर्भ बनता है, जो भाषा सीखते समय पूरे वाक्य दोहराने से अधिक प्रभावी है।
• निखार के लिए न्यूनतम युग्म इस्तेमाल करें: न्यूनतम युग्मों में केवल एक फोनिम का अंतर होता है। बोलते समय इनके उदाहरणों का अभ्यास आपकी जीभ और कान को भाषाओं के बीच के सूक्ष्म अंतर पहचानने और दोहराने के लिए प्रशिक्षित करेगा।

AI वॉइस टूल ने भाषा सीखना भी काफी 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। 

फोनिम-स्तर के टेक्स्ट टू स्पीच के लिए ElevenLabs आज़माएं

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

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

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

अक्सर पूछे जाने वाले सवाल