Czym jest fonem? Definicja i 44 fonemy języka angielskiego

Fonem to najmniejsza jednostka dźwiękowa w języku, która może zmienić znaczenie słowa. Zamiana jednego fonemu może utworzyć zupełnie inne słowo. /p/ i /b/ w połączeniu z /æt/ tworzą „pat” i „bat” — dwa całkowicie różne słowa. 

W języku angielskim fonemy sprawiają, że pisownia i brzmienie często się nie zgadzają. Słowo „fox” składa się z czterech różnych fonemów (/f/ /ɒ/ /k/ /s/), ale ma tylko trzy litery, a „ship” ma cztery litery, lecz tylko trzy fonemy (/ʃ/ /ɪ/ /p/). Rozumienie fonemów jest kluczowe zarówno w nauce języka, jak i w zrozumieniu, jak współczesne systemy Text to Speech zamieniają zapisane słowa w naturalnie brzmiącą mowę.

W tym artykule wyjaśniamy, czym jest fonem, podajemy przykłady i pełną tabelę 44 angielskich fonemów oraz pokazujemy, jak technologia głosu AI wykorzystuje kontrolę na poziomie fonemów, by zapewnić poprawną wymowę.

Podsumowanie:

• Fonem to najmniejsza jednostka dźwiękowa w języku mówionym, która może zmienić znaczenie słowa.
• Większość językoznawców wyróżnia w angielskim 44 fonemy: 24 spółgłoskowe i 20 samogłoskowych.
• Fonemy opisują dźwięki, a grafemy to litery lub ich kombinacje, które zapisują fonem.
• Międzynarodowy alfabet fonetyczny (IPA) standaryzuje symbole używane do zapisu fonemów, aby zapewnić spójną wymowę tych dźwięków.
• Narzędzia Text to Speech przed wygenerowaniem pliku audio zamieniają grafemy na fonemy.

Czym jest fonem?

Fonem to najmniejsza jednostka dźwiękowa, która pozwala odróżnić jedno słowo od drugiego. Językoznawcy identyfikują fonemy, szukając dwóch słów różniących się dokładnie jednym dźwiękiem. Takie słowa nazywa się parami minimalnymi. Przykłady:

• Pat / bat: /p/ i /b/ to różne fonemy w tej parze minimalnej.
• Ship / sheep: /ɪ/ i /iː/ to fonemy, które odróżniają te słowa.
• Bat / bad: /t/ i /d/ to różne fonemy, które odróżniają te słowa.

Jeśli zmiana jednego dźwięku w słowie tworzy nowe słowo, te dwa dźwięki są w tym języku odrębnymi fonemami. Jeśli powstaje tylko nieco inaczej brzmiąca wersja tego samego słowa, są one wariantami tego samego fonemu.

Słowo „fonem” pochodzi od greckiego phōnēma, oznaczającego wypowiedź lub wydany dźwięk. Warto o tym pamiętać przy definiowaniu fonemów: są jednostkami dźwięku, a nie informacją o pisowni. Jak zaraz zobaczysz, fonemy to nie tylko pojedyncze litery — obejmują całe dźwięki słyszane w mowie. 

Ile fonemów jest w języku angielskim?

W języku angielskim wyróżnia się 44 fonemy: 24 spółgłoskowe i 20 samogłoskowych. To jednak tylko ogólne założenie. Zależnie od akcentu i sposobu definiowania dźwięków przez językoznawców, niektórzy wyróżniają zaledwie 42, a inni aż 45 fonemów. Na przykład w standardowym akcencie amerykańskim wymawia się /r/ w słowie „car”, podczas gdy w Received Pronunciation, czyli akcencie brytyjskim, nie — co daje inną łączną liczbę fonemów.

W innych akcentach samogłoski mogą się zlewać, zmniejszając łączną liczbę fonemów. Takie zlanie samogłosek, jak w wymowie „cot” i „caught” przez niektórych Amerykanów, wpływa na szacunki językoznawców. Znaczenie mogą mieć też dźwięki marginalne, gdy dyftongi uznaje się za połączenia, a nie pojedyncze fonemy. Na przykład niektóre systemy traktują /ʍ/ (tchniony dźwięk na początku „which”) jako osobny fonem, a inne jako połączenie /h/ i /w/.

Standardowy model obejmuje 44 fonemy. Dokładnie są to 24 spółgłoski, 12 samogłosek monoftongicznych i 8 dyftongów. To standard stosowany w nauczaniu fonetyki w Wielkiej Brytanii i w nauce angielskiego jako drugiego języka. 

44 fonemy języka angielskiego: pełna tabela z przykładami

Fonemy spółgłoskowe (24)

Fonemy samogłoskowe (12 monoftongów + 8 dyftongów = łącznie 20)

Symbole są zgodne z systemem brytyjskiego angielskiego (RP), używanym w większości programów nauki foniki; analizy standardowego amerykańskiego angielskiego nieco różnią się w przypadku samogłosek zabarwionych przez /r/.

Czym różni się fonem od grafemu?

Fonem jest dźwiękiem, a grafem — jego zapisem. Grafem może składać się z jednej litery (c-a-t), dwóch liter (dwuznak, np. sh lub ea), trzech (igh w „night”) albo czterech (ough w „though”).

Różnica między fonemami a grafemami sprawia, że angielska pisownia jest wyjątkowo trudna. Na przykład:

• Jeden fonem, wiele grafemów: dźwięk /iː/ można zapisać jako ee (sheep), ea (leaf), e (be), ey (key), ie (chief) lub ei (ceiling).
• Jeden grafem, wiele fonemów: litery ough oznaczają różne fonemy w słowach „through” (/uː/), „though” (/əʊ/), „tough” (/ʌf/) i „thought” (/ɔː/).

Choć język angielski ma 44 fonemy, do ich zapisu używa ponad 200 grafemów. W porównaniu z bardziej fonetycznym językiem, takim jak hiszpański, gdzie odwzorowanie jest niemal jeden do jednego, angielski staje się wyjątkowo złożony w mowie i zapisie. Dlatego model Text to Speech nie może po prostu odczytać liter — wrócimy do tego za chwilę. 

Fonemy a alofony

Alofony to warianty wymowy tego samego fonemu, które nie zmieniają znaczenia słowa. Jeśli nie ma pary minimalnej, w której dany fonem tworzy dwa różne słowa, masz do czynienia z alofonem.

Na przykład /p/ w słowie „pat” brzmi inaczej niż nieprzydechowa wersja w „spat”. To różne dźwięki, ale w angielskim nie ma pary słów rozróżnianej wyłącznie przez ten przydech, więc użytkownicy angielskiego słyszą je zasadniczo jako ten sam dźwięk. W innych językach, takich jak tajski, różnica między przydechowym i nieprzydechowym /p/ tworzy odrębne fonemy, które całkowicie rozróżniają słowa.

To, co uznaje się za fonem, zależy więc całkowicie od języka. Chodzi o wpływ dźwięków na znaczenie słów, a nie tylko o akustykę. 

Jak fonemy napędzają Text to Speech

Każdy system Text to Speech musi rozwiązać ten sam problem, który mózg rozwiązuje podczas głośnego czytania: przed wypowiedzeniem słów zamienić grafemy na fonemy. Konwersja grafem-na-fonem (G2P) jest wyjątkowo trudna i to właśnie na niej wiele podstawowych systemów popełnia błędy w TTS.

Tekst może być niejednoznaczny. To samo słowo „read” może być wymawiane jako /riːd/ w czasie teraźniejszym i /red/ w przeszłym. Niektóre nazwy własne, takie jak marki lub terminy techniczne, mogą w ogóle nie stosować standardowych zasad pisowni. Nowoczesne modele AI, takie jak Eleven v3, wykorzystują kontekst, by rozstrzygać większość takich przypadków, ale możesz też precyzyjniej kontrolować fonemy, aby zagwarantować wymowę:

• Słowniki wymowy: Określają wymowę każdego słowa w całym projekcie. Idealne dla często powtarzających się nazw marek, postaci, terminów medycznych czy słownictwa specyficznego dla firmy.
• Tagi fonemów SSML i IPA: Tagi fonemów SSML w modelach v2 pozwalają kontrolować wymowę na poziomie słowa, a słowa możesz też zapisywać bezpośrednio za pomocą tagów audio Eleven v3.

Ta sama warstwa fonemiczna działa też w odwrotną stronę. W przypadku zamiany mowy na tekst modele muszą nauczyć się wzorców akustycznych, aby mapować sekwencje fonemów, zanim złożą je w słowa. Rozumienie fonemów pozwala im transkrybować słowo, którego być może nigdy wcześniej nie widziały.

Jak wykorzystywać fonemy w nauce języka

Jednym z głównych powodów, dla których użytkownik może chcieć dowiedzieć się więcej o fonemach, jest ich ogromna przydatność w nauce języka. Zdolność dziecka do słyszenia lub rozpoznawania pojedynczych fonemów we wczesnym wieku bezpośrednio wpływa na zdobywanie dalszej wiedzy fonologicznej i rozwój językowy przez cały okres dorastania.

Podczas nauki nowego języka mózg musi przetwarzać fonemy, których ucho nigdy nie nauczyło się słyszeć. Oto kilka praktycznych sposobów na wykorzystanie fonemów w nauce języka:

• Naucz się symboli IPA: Międzynarodowy alfabet fonetyczny pojawia się w słownikach, aby pokazać wymowę każdego słowa. Znajomość IPA sprawia, że zawsze wiesz, jak odczytać słowo, nawet jeśli widzisz je po raz pierwszy.
• Słuchaj i naśladuj fonemy: Zwolnij mowę, aby rozpoznać każdy fonem w języku, i spróbuj go naśladować. Pomaga to zrozumieć, jak wymawiać każdy dźwięk, i jest skuteczniejsze niż powtarzanie całych zdań podczas nauki języka.
• Doskonal wymowę parami minimalnymi: Pary minimalne różnią się tylko jednym fonemem. Ćwiczenie ich przykładów pomoże wytrenować język i ucho, by rozpoznawać i odtwarzać nawet subtelne różnice między językami.

Narzędzia głosowe AI znacznie ułatwiły też naukę języków. Generator głosu pozwala usłyszeć dowolne słowo lub frazę w naturalnie brzmiącym głosie, w dziesiątkach języków i wielu regionalnych akcentach. 

Wypróbuj ElevenLabs do Text to Speech na poziomie fonemów

Niezależnie od tego, czy zagłębiasz się w fonetykę nowego języka, czy doskonalisz język ojczysty, dobra znajomość fonemów pomaga opanować skuteczną i wyraźną komunikację. Akademicka wiedza z językoznawstwa nie jest jednak jedynym sposobem, w jaki uczymy się języków. Uczymy się też przez słuchanie i naśladowanie. 

Narzędzia do generowania Text to Speech są nieocenione w rozwijaniu świadomości fonemicznej i intuicyjnego rozumienia jednostek dźwiękowych, całych słów oraz innych dźwięków naturalnie obecnych w mowie.

Zacznij korzystać z zaawansowanej technologii Text to Speech od ElevenLabs lub poznaj więcej informacji o naszym zestawie narzędzi kreatywnych już dziś.

FAQ