Vad är ett fonem? Definition och de 44 engelska fonemen

Ett fonem är den minsta ljudenheten i ett språk som kan ändra betydelsen av ett ord. När du byter ut ett enda fonem kan du skapa ett helt annat ord. /p/ och /b/ tillsammans med /æt/ bildar ”pat” och ”bat”, två helt olika ord. 

I engelskan är fonem särskilt viktiga eftersom stavning och ljud ofta inte stämmer överens. Ett ord som ”fox” består av fyra olika fonem (/f/ /ɒ/ /k/ /s/) men bara tre bokstäver, medan ”ship” har fyra bokstäver men bara tre fonem (/ʃ/ /ɪ/ /p/). Att förstå fonem är viktigt både för språkinlärning och för att förstå hur moderna Text to Speech-system omvandlar skrivna ord till naturligt tal.

I den här artikeln förklarar vi exakt vad ett fonem är med exempel, visar hela tabellen med engelskans 44 fonem och beskriver hur AI-röstteknik använder kontroll på fonemnivå för att få uttalet rätt.

Sammanfattning:

• Ett fonem är den minsta ljudenheten i ett talat språk som kan ändra ett ords betydelse.
• De flesta språkforskare räknar 44 fonem i engelskan: 24 konsonantljud och 20 vokalljud.
• Fonem beskriver ljud, medan grafem är de bokstäver eller kombinationer av bokstäver som representerar ett fonem i skrift.
• Det internationella fonetiska alfabetet (IPA) standardiserar symbolerna som används för att representera fonem, så att uttalet av dessa ljud blir konsekvent.
• Text to Speech-verktyg omvandlar grafem till fonem innan de genererar en ljudfil.

Vad är ett fonem?

Ett fonem är den minsta ljudenhet som kan skilja ett ord från ett annat. Språkforskare identifierar fonem genom att hitta två ord som skiljer sig åt med exakt ett ljud. Dessa ord kallas minimala par, till exempel:

• Pat / bat: /p/ och /b/ är de fonem som skiljer sig åt i detta minimala par.
• Ship / sheep: /ɪ/ och /iː/ är fonemen som ändrar dessa ord.
• Bat / bad: /t/ och /d/ är de fonem som skiljer dessa ord åt.

Om du hittar ett ord där en ändring av ett ljud ger ett nytt ord, är de två ljuden separata fonem i det språket. Om det i stället ger en något annorlunda ljudande version av samma ord, är de bara varianter av samma fonem.

Ordet ”fonem” kommer från grekiskans phōnēma, som betyder yttrande eller frambringat ljud. Det är bra att komma ihåg när man definierar fonem, eftersom de är ljudenheter och inte information om stavning. Som du snart kommer att se är fonem mer än enskilda bokstäver och omfattar hela hörbara ljud. 

Hur många fonem finns det i engelskan?

I engelskan finns det 44 fonem, fördelade på 24 konsonantfonem och 20 vokalfonem. Det är dock bara en generell uppskattning. Beroende på accent och hur språkforskare väljer att definiera olika ljud anser vissa att det finns så få som 42 eller så många som 45. Till exempel uttalas /r/ i ”car” i allmänamerikansk engelska, medan Received Pronunciation (brittisk engelska) inte gör det, vilket ger ett annat totalt antal i dessa accenter.

Andra accenter kan slå ihop vokaler, vilket minskar det totala antalet fonem. Vokalsammanslagningar, som när vissa amerikaner uttalar ”cot” och ”caught” likadant, påverkar hur språkforskare bedömer det totala antalet. Vissa gränsfall, där diftonger betraktas som kombinationer snarare än enskilda fonem, kan också påverka siffrorna. Vissa system räknar till exempel /ʍ/ (det luftiga ljudet i början av ”which”) som ett eget fonem, medan andra ser det som en kombination av /h/ och /w/.

Standardräkningen är en modell med 44 fonem. Den exakta fördelningen är 24 konsonanter, 12 monoftongvokaler och 8 diftonger, vilket är den standard som används i brittisk undervisning i fonetik och i ESL-undervisning. 

Engelskans 44 fonem: fullständig tabell med exempel

Konsonantfonem (24)

Vokalfonem (12 monoftonger + 8 diftonger = 20 totalt)

Symbolerna följer systemet för brittisk engelska (RP), som används i de flesta läroplaner för fonik. Analyser av allmänamerikansk engelska skiljer sig något för r-färgade vokaler.

Vad är skillnaden mellan ett fonem och ett grafem?

Ett fonem är ett ljud, medan ett grafem är den skriftliga representationen av det ljudet. Ett grafem kan vara en bokstav (c-a-t), två bokstäver (en digraf, som sh eller ea), tre (igh i ”night”) eller fyra (ough i ”though”).

Skillnaden mellan fonem och grafem är det som gör engelsk stavning så svår. Till exempel:

• Ett fonem, många grafem: Ljudet /iː/ kan stavas ee (sheep), ea (leaf), e (be), ey (key), ie (chief) eller ei (ceiling).
• Ett grafem, många fonem: Bokstäverna ough representerar olika fonem i ”through” (/uː/), ”though” (/əʊ/), ”tough” (/ʌf/) och ”thought” (/ɔː/).

Även om engelskan har 44 fonem finns det över 200 grafem för att stava dem. Jämför med ett mer fonetiskt språk som spanska, där kopplingen nästan är en-till-en, så blir engelskan mycket komplex att tala och transkribera. Det är också därför en Text to Speech-modell inte bara kan läsa upp bokstäverna, vilket vi snart återkommer till. 

Fonem kontra allofoner

Allofoner är olika uttal av samma fonem som inte ändrar ordets betydelse. Om det inte finns något minimalt par där ett fonem skapar två olika ord, har du i stället en allofon.

Till exempel låter /p/ i ”pat” annorlunda än den oaspirerade varianten i ”spat”. Det är olika ljud, men inga engelska ordpar skiljs åt enbart genom denna aspiration, vilket innebär att engelsktalande uppfattar dem som i princip samma ljud. I andra språk, som thailändska, skapar skillnaden mellan aspirerat och oaspirerat /p/ separata fonem som helt skiljer ord åt.

Det innebär att vad som räknas som ett fonem helt beror på språket. Det handlar om vad ljud gör med ordens betydelse, snarare än enbart om akustik. 

Så driver fonem Text to Speech

Alla Text to Speech-system måste lösa samma problem som hjärnan gör när den läser högt: att omvandla grafem till fonem innan den talar. Omvandling från grafem till fonem (G2P) är ökänt svår, och det är här många enklare system gör fel med TTS.

Text kan vara tvetydig. Exakt samma ord, ”read”, kan uttalas /riːd/ i presens och /red/ i preteritum. Vissa egennamn, som varumärken eller teknisk terminologi, kanske inte alls följer vanliga stavningsregler. Moderna AI-modeller som Eleven v4 använder sammanhanget för att lösa de flesta av dessa fall, men du kan också styra fonem mer detaljerat för att garantera rätt uttal:

• Uttalslexikon: Definiera hur varje ord ska uttalas i ett helt projekt. Perfekt för varumärken, karaktärsnamn, medicinska termer eller företagsspecifik vokabulär som förekommer ofta.
• SSML-fonemtaggar och IPA: Du kan styra uttalet på ordnivå med SSML-fonemtaggar i v2-modeller eller genom att skriva ord direkt med ljudtaggar för Eleven v4.

Samma fonemiska skikt fungerar även i motsatt riktning. För Speech to Text behöver modeller lära sig akustiska mönster för att kunna kartlägga fonemsekvenser innan de sätter ihop dem till ord. Fonemisk förståelse gör att de kan transkribera ett ord som de kanske aldrig har sett tidigare.

Så använder du fonem för språkinlärning

En av de främsta anledningarna till att en vanlig användare vill veta mer om fonem är att de är mycket användbara vid språkinlärning. Ett barns förmåga att höra eller identifiera enskilda fonem i tidig ålder påverkar direkt hur barnet tillägnar sig ytterligare fonologisk kunskap och språklig produktion under tonåren.

När du lär dig ett nytt språk måste hjärnan bearbeta fonem som ditt öra aldrig har tränats att höra. Här är några praktiska strategier för att använda fonem och förbättra språkinlärningen:

• Lär dig IPA-symboler: Det internationella fonetiska alfabetet finns i ordböcker för att visa hur varje ord uttalas. Om du lär dig IPA vet du alltid hur ett ord ska läsas, även om du ser det för första gången.
• Lyssna på och härma fonem: Sakta ned talet för att identifiera varje fonem i ett språk och härma det. Det hjälper dig att bygga upp en förståelse för hur varje ljud ska uttalas och är effektivare än att upprepa hela meningar när du lär dig språk.
• Använd minimala par för att finslipa uttalet: Minimala par skiljer sig bara åt genom ett enda fonem. Genom att öva på sådana exempel i ditt tal tränar du både tungan och örat att känna igen och återskapa även subtila skillnader mellan språk.

AI-röstverktyg har också gjort språkinlärning betydligt enklare. Med en Text to Speech-generator kan du höra vilket ord eller vilken fras som helst i en naturligt klingande röst på dussintals språk och i många regionala accenter. 

Prova ElevenLabs för Text to Speech på fonemnivå

Oavsett om du fördjupar dig i fonetiken i ett nytt språk eller finslipar ditt modersmål är en gedigen förståelse för fonem nyckeln till att uttrycka dig tydligt och effektivt. Men en akademisk förståelse av lingvistik är inte det enda sättet för oss människor att lära oss språk. Vi lär oss också genom att lyssna och härma. 

Verktyg för att generera Text to Speech är ovärderliga för att utveckla fonemisk medvetenhet och bygga en intuitiv förståelse för ljudenheter, hela ord och andra ljud som naturligt ingår i talad kommunikation.

Kom igång med kraftfull Text to Speech-teknik från ElevenLabs eller upptäck mer om vår svit med kreativa verktyg i dag.

Vanliga frågor