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. 

Just i engelskan är fonem anledningen till att stavning och uttal 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 styrning 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 lingvister räknar 44 fonem i engelskan: 24 konsonantljud och 20 vokalljud.
• Fonem beskriver ljud, medan grafem är de bokstäver eller bokstavskombinationer som representerar ett fonem i skrift.
• Det internationella fonetiska alfabetet (IPA) standardiserar de symboler 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 ljudenheten som kan skilja ett ord från ett annat. Lingvister 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 olika fonemen i detta minimala par.
• Ship / sheep: /ɪ/ och /iː/ är de fonem som förändrar dessa ord.
• Bat / bad: /t/ och /d/ är de olika fonemen som markerar skillnaden mellan dessa ord.

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

Ordet ”fonem” kommer från grekiskans phōnēma, som betyder yttrande eller ett 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: 24 konsonantfonem och 20 vokalfonem. Det är dock bara en generell uppskattning. Beroende på accent och hur lingvister väljer att definiera olika ljud anser vissa att det finns så få som 42, medan andra räknar så många som 45. Till exempel uttalas /r/ i ”car” i en allmän amerikansk accent, medan det inte uttalas i Received Pronunciation (brittisk engelska), vilket ger olika totalantal i dessa accenter.

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

Standardantalet utgår från en modell med 44 fonem. Den exakta fördelningen är 24 konsonanter, 12 monoftongvokaler och 8 diftonger, vilket är den standard som används i undervisning i brittisk fonetik och engelska som andraspråk. 

Engelskans 44 fonem: komplett tabell med exempel

Konsonantfonem (24)

Vokalfonem (12 monoftonger + 8 diftonger = 20 totalt)

Symbolerna följer brittisk engelska (RP), som används i de flesta läroplaner för fonik; analyser av amerikansk 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 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 ökänd för att vara 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. Om du jämför med ett mer fonetiskt språk som spanska, där kopplingen nästan är en-till-en, 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 ett 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 skiljer ord helt åt.

Det innebär att vad som räknas som ett fonem är helt språkspecifikt. Det handlar om hur ljud påverkar ords betydelse, inte bara om akustik. 

Hur fonem driver Text to Speech

Varje Text to Speech-system måste lösa samma problem som hjärnan gör när vi läser högt: att omvandla grafem till fonem innan vi talar. Omvandling från grafem till fonem (G2P) är ökänt svårt, och det är här många enkla system gör fel i TTS.

Text kan vara tvetydig. Exakt samma ord, ”read”, kan vara /riːd/ i presens och /red/ i dåtid. Vissa egennamn, som varumärken eller teknisk terminologi, kanske inte alls följer vanliga stavningsregler. Moderna AI-modeller som Eleven v3 använder sammanhanget för att lösa de flesta sådana fall, men du kan också styra fonem mer detaljerat för garanterat uttal:

• Uttalslexikon: Ange hur varje ord ska uttalas i ett helt projekt. Perfekt för varumärken, karaktärsnamn, medicinska termer eller företagsspecifik vokabulär som förekommer upprepade gånger.
• SSML-fonemtaggar och IPA: Du kan styra uttalet på ordnivå med SSML-fonemtaggar i v2-modeller, eller genom att skriva ord direkt med ljudtaggar i Eleven v3.

Samma fonemiska lager fungerar även åt andra hållet. För tal till text måste modeller lära sig akustiska mönster så att de kan kartlägga fonemsekvenser innan de sätter ihop dem till ord. Fonemisk förståelse är det som gör att de kan transkribera ett ord som de kanske aldrig har sett förut.

Så använder du fonem för språkinlärning

En av de främsta anledningarna till att vanliga användare vill veta mer om fonem är att de är mycket användbara för 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 örat aldrig har tränats att höra. Här är några praktiska sätt att använda fonem för att förbättra språkinlärningen:

• Lär dig IPA-symboler: Det internationella fonetiska alfabetet förekommer 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 ner 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 finslipning: Minimala par skiljer sig bara åt genom ett enda fonem. Genom att öva på sådana exempel i ditt tal tränar du 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 uttryck som helst med ett modersmålslikt uttal 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 förfinar ditt modersmål är en god förståelse för fonem nyckeln till att uttrycka dig effektivt och tydligt. Men akademisk kunskap om lingvistik är inte det enda sättet som vi människor lär oss språk på. Vi lär oss också genom att lyssna och härma. 

Verktyg för Text to Speech-generering är ovärderliga för att utveckla fonemisk medvetenhet och bygga upp 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 samling av kreativa verktyg redan i dag.

Vanliga frågor