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/ blir ”pat” och ”bat”, två helt olika ord. 

I engelskan är fonem särskilt anledningen till att 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.

Den här artikeln förklarar exakt vad ett fonem är med exempel, visar hela tabellen med engelskas 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 lingvister räknar 44 fonem i engelskan: 24 konsonantljud och 20 vokalljud.
• Fonem beskriver ljud, medan grafem är bokstäverna eller bokstavskombinationerna som representerar ett fonem i skrift.
• Det internationella fonetiska alfabetet (IPA) standardiserar symbolerna som används för att representera fonem, så att dessa ljud uttalas på ett konsekvent sätt.
• 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 fonem som skiljer sig åt i detta minimala par.
• Ship / sheep: /ɪ/ och /iː/ är fonemen som förändrar dessa ord.
• Bat / bad: /t/ och /d/ är de fonem som markerar skillnaden mellan dessa ord.

Om du hittar ett ord där ett ändrat ljud skapar ett nytt ord är de två ljuden separata fonem i det språket. Om det i stället skapar en något annorlunda uttalsvariant av samma ord är de bara varianter av samma fonem.

Ordet ”fonem” kommer från grekiskans phōnēma, som betyder yttrande eller ett ljud som frambringas. Det är bra att komma ihåg när du 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 här 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 eller så många som 45. En allmän amerikansk accent uttalar till exempel /r/ i ”car”, medan Received Pronunciation (brittisk engelska) inte gör det, vilket ger olika totalsiffror för dessa accenter.

Andra accenter kan slå ihop vokaler och därmed minska det totala antalet fonem. Vokalsammanslagningar, som när vissa amerikaner uttalar ”cot” och ”caught” likadant, påverkar hur lingvister bedömer totalsiffrorna. Vissa marginella ljud, där diftonger ses 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 separat fonem, medan andra behandlar det som en kombination av /h/ och /w/.

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

Engelskans 44 fonem: fullständig tabell med exempel

Konsonantfonem (24)

Vokalfonem (12 monoftonger + 8 diftonger = 20 totalt)

Symbolerna följer det brittiskengelska RP-systemet som används i de flesta läroplaner för läs- och skrivinlärning. Analyser av allmän 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 så 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/).

Trots att 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 och allofoner

Allofoner är olika uttalsvarianter 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 är helt språkspecifikt. Det handlar om vad ljud gör med ordens betydelse, inte bara om akustik. 

Hur fonem driver 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 de talar. Konvertering från grafem till fonem (G2P) är välkänt svår, och det är här många enklare system gör misstag med TTS.

Text kan vara tvetydig. Exakt samma ord, ”read”, kan vara /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 även styra fonem mer detaljerat för ett garanterat uttal:

• Uttalslexikon: Definiera 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 v4.

Samma fonemiska lager fungerar även åt motsatt håll. För Speech to Text behöver modeller lära sig akustiska mönster så att de kan kartlägga fonemsekvenser innan de sätter samman dem till ord. Fonemisk förståelse 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 vidare fonologisk kunskap och språklig produktion under hela tonåren.

När du lär dig ett nytt språk måste hjärnan bearbeta fonem som örat 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 används i ordböcker för att visa hur varje ord uttalas. När 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: Sänk talhastigheten för att identifiera varje fonem i ett språk och härma det. Det hjälper dig att förstå hur varje ljud ska uttalas, vilket är effektivare än att upprepa hela meningar när du lär dig språk.
• Använd minimala par för att finslipa uttalet: Minimala par skiljer sig åt med bara ett fonem. Genom att öva på sådana exempel 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 vilken fras 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 finslipar ditt modersmål är en god förståelse för fonem nyckeln till att behärska konsten att uttrycka dig tydligt och välartikulerat. Akademisk kunskap om lingvistik är dock inte det enda sättet för oss människor att lära oss språk. Vi lär oss också genom att lyssna och härma. 

Verktyg för Text to Speech-generering är ovärderliga för att utveckla fonemisk medvetenhet och bygga en intuitiv förståelse för ljudenheter, hela ord och de många olika 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 i dag.

Vanliga frågor