Słyszeć siebie: najstarsza sztuczka na wymowę, teraz z punktacją

Gdzieś około 1997 roku odkryłem, że karta dźwiękowa w naszym domowym pececie potrafi zmieniać mój głos w trakcie mówienia. Nie nagrać i przetworzyć. Na żywo. Mogłem mówić do taniego mikrofonu i pół sekundy później słyszeć siebie z głośników, obniżonego o oktawę, brzmiącego jak obcy facet, który akurat zna polski.

Miałem się uczyć angielskiego i niemieckiego. Robiłem natomiast godzinami coś innego: czytałem na głos całe akapity i słuchałem, jak ten obcy facet czyta mi je z powrotem.

Wyglądało to na zabawę. Okazuje się, że przypadkiem trafiłem na coś, co nauczyciele fonetyki robili świadomie od prawie stu lat, a co nauka od tamtej pory całkiem porządnie zmierzyła.

Prawie trzydzieści lat później, w 2026 roku, w końcu zbudowaliśmy to w Taalhammerze. Mówisz zdanie w Nauce, a wymowa wraca do ciebie oceniona słowo po słowie i głoska po głosce. Na końcu artykułu pokażę dokładnie, jak to wygląda, razem ze zrzutami ekranu. Najpierw jednak o tym, dlaczego to ćwiczenie w ogóle działa, bo odpowiedź jest ciekawsza niż „trening czyni mistrza".

Dlaczego własny głos brzmi dla ciebie źle

Zacznijmy od rzeczy, o której nikt nie mówi. Kiedy mówisz, dźwięk dociera do twojego ucha wewnętrznego dwiema drogami naraz. Część wychodzi ustami, leci powietrzem i wraca do kanału słuchowego. Tę drogę słyszą wszyscy dookoła. Reszta idzie prosto przez kości czaszki.

Kość przewodzi niskie częstotliwości lepiej niż powietrze. Głos, którego słuchasz przez całe życie, jest więc niższy i pełniejszy niż ten, który istnieje na zewnątrz twojej głowy. Włącz nagrywanie, odsłuchaj i dół znika. Ten cieńszy, trochę wyższy obcy człowiek to dokładnie to, co świat słyszał przez cały czas.

Dlatego pierwsze nagranie zawsze jest nieprzyjemne. I dokładnie dlatego to ćwiczenie działa. Nie da się oceniać głosu, który się właśnie produkuje. Mówienie i ocenianie walczą o tę samą uwagę. Nagranie rozdziela te dwie rzeczy: powiedz teraz, oceń później, kiedy usta są już wolne.

Moje przypadkowe przestrajanie głosu poszerzyło tę szczelinę. Jeśli głos jest wystarczająco obcy, przestajesz słyszeć „ja, tylko źle", a zaczynasz słyszeć „ktoś wstawia polską samogłoskę w środek angielskiego słowa". Rozpoznawanie siebie schodzi z drogi, a błędy same się wysuwają na wierzch.

Potem uczelnia posadziła mnie w kabinie

Przewijamy do studiów na lingwistyce stosowanej. Instytut miał pracownię fonetyczną: pokój z kabinami, w każdej słuchawki i mikrofon, a z przodu konsola, przy której siedziała prowadząca.

Robiło się ćwiczenia. Prowadząca mogła bez uprzedzenia wejść ci w słuchawki, powiedzieć słowo poprawnie, posłuchać kolejnej próby i przejść do następnej kabiny. Na ekranie przed tobą były kształty. Dźwięki, narysowane. Widziałeś, że twoja samogłoska stoi w złym miejscu, zanim ktokolwiek ci to powiedział.

Ten pokój miał długą tradycję za sobą. Pierwsze rozpoznawalne laboratorium językowe powstało na uniwersytecie w Grenoble w 1908 roku, a w połowie lat sześćdziesiątych same Stany Zjednoczone miały ich około 10 000 w szkołach średnich i 4 000 na uczelniach. Potem skończyły się pieniądze, teoria wyszła z mody i większość rozebrano.

Wartość tamtego pokoju nie leżała w technice, bo ta była jak na dzisiejsze standardy prymitywna. Leżała w połączeniu trzech rzeczy: wytwarzałeś dźwięk, widziałeś go przedstawionego i ktoś mówił ci konkretnie, co jest nie tak. Nie „popracuj nad akcentem". Która głoska, w którym słowie.

Co na to nauka, łącznie z tym, co nam nie pasuje

Trzy rzeczy są dobrze udowodnione, a jedna z nich to ostrzeżenie.

Wymowy da się nauczyć, a robotę odwala informacja zwrotna. Badacze zebrali dziesiątki badań na ten temat. Uczenie wymowy wyraźnie bije nieuczenie jej, a kiedy sprawdzili, co odróżnia badania skuteczne od słabych, w kółko wychodził ten sam czynnik: czy uczący się dostawał informację, jak mu poszło. Dłuższe kursy pomagały. Informacja zwrotna pomagała bardziej.

Co to znaczy dla ciebie: powiedzenie zdania dwadzieścia razy samemu jest warte mniej niż powiedzenie go trzy razy, gdy ktoś albo coś mówi ci, który fragment był nie tak. Powtarzanie bez informacji zwrotnej to samo powtarzanie.

Trenowanie ucha działa, i działa lepiej na wielu głosach niż na jednym. Istnieje dobrze udokumentowana technika o brzydkiej nazwie, trening fonetyczny o wysokiej zmienności. Cały pomysł polega na tym, żeby słuchać danej głoski od wielu różnych osób zamiast od jednego starannego lektora. Uczący się trenowani w ten sposób wyraźnie lepiej odróżniają podobne dźwięki, po miesiącach nadal są lepsi, a umiejętność przenosi się na słowa, których nigdy nie ćwiczyli.

Co to znaczy dla ciebie: jeden lektor to za mało. Dopiero usłyszenie tego samego niderlandzkiego g z dwudziestu różnych ust uczy twoje ucho, że to wszystko jest ta sama głoska.

I ostrzeżenie: usłyszeć głoskę to nie to samo, co umieć ją powiedzieć. To jest ten wniosek, który się zwykle pomija, i to jest ten uczciwy. Kiedy badacze trenują samą percepcję, a potem mierzą mowę, poprawa w mowie jest realna, ale umiarkowana, a czasem ledwie widoczna. Luka się zmniejsza, gdy uczący się dowiaduje się dodatkowo, jak fizycznie powstaje dana głoska, i sam ją potem ćwiczy.

Co to znaczy dla ciebie: samo słuchanie nie naprawi twojego akcentu. Trzeba otworzyć usta, a potem sprawdzić, co z nich wyszło.

Obraz nie brzmi więc „słuchaj, a zaczniesz mówić". Bliżej mu do: słuchaj, wiedz, do czego celujesz, powiedz to, sprawdź, jak blisko byłeś, popraw.

Dokładnie po to była tamta kabina. (Jeśli chcesz oryginalne prace: Lee, Jang i Plonsky o uczeniu wymowy, Uchihara, Karas i Thomson o treningu ucha oraz ten przegląd o tym, ile z tego dociera do twojej mowy.)

Gdzie maszyna pasuje, a gdzie nie

Rozpoznawanie mowy jest badane jako narzędzie do wymowy od lat, a wyniki są zachęcające, ale bez zachwytów. Trzy rzeczy warto wiedzieć, zanim zaufasz jakiejkolwiek aplikacji, naszej też.

Jest mocna w pojedynczych głoskach, słaba w melodii. Maszyny dobrze radzą sobie ze spółgłoskami i samogłoskami, a znacznie gorzej z akcentem, rytmem i intonacją. Maszyna powie ci, że twoje niderlandzkie g wyszło jak k. Dużo mniej przyda się, żeby powiedzieć ci, że całe zdanie ma zły kształt.

Wprost bije nie wprost. Informacja zwrotna, która nazywa problem, działa znacznie lepiej niż taka, która po prostu cię nie rozumie. To, że cię źle usłyszano, mówi, że coś jest nie tak. Nie mówi, co.

Potrzebuje tygodni, nie wieczorów. Badania, które pokazały realne postępy, trwały od pięciu tygodni wzwyż. Te, które trwały jedno popołudnie, nie pokazały nic. To jest nawyk, nie trik.

Żadna z tych rzeczy nie jest powodem, żeby odpuścić narzędzie. Są powodem, żeby używać go do tego, w czym jest dobre, i dalej słuchać żywych ludzi dla melodii języka.

Jak to wygląda w Taalhammerze

To jest ta funkcja, której chciałem w wieku czternastu lat, a dostałem ją na studiach. Tylko bez pokoju i bez zapisów na listę.

Jesteś w Nauce, przerabiasz kartę. Pojawia się odpowiedź, czyli zdanie w języku, którego się uczysz. W dolnym rogu jest mikrofon. Przytrzymaj, powiedz zdanie na głos, puść.

Chwilę później dostajesz:

• Wynik w skali 100 dla całego zdania, ze zwykłym słownym werdyktem, a nie samą liczbą.
• Zdanie podkreślone słowo po słowie, więc słabe słowo widać od razu, zamiast tonąć w średniej.
• Rozbicie na głoski, jeśli je rozwiniesz. Każda głoska w każdym słowie, z tym, co miało być, i z tym, co faktycznie powiedziałeś. To jest IPA robiąca dokładnie to, do czego ją wymyślono w 1888 roku: jeden symbol, jedna głoska, koniec dyskusji o pisowni. Jeśli nigdy nie czytałeś tych symboli, zacznij od naszego przewodnika po alfabecie fonetycznym IPA.
• To, co usłyszeliśmy, wypisane, żebyś zobaczył różnicę między zdaniem, które chciałeś powiedzieć, a tym, które dotarło.
• Twoje własne nagranie do odsłuchania. Najstarsza część całego ćwiczenia i nadal ta, która uczy najwięcej.
• Powtórkę, bo druga próba zaraz po zobaczeniu rozbicia to moment, w którym dzieje się nauka.

Na zrzucie powyżej zdanie dostało 85 punktów. Siedem słów jest podkreślonych na zielono, a jedno, était-il, na czerwono z wynikiem 54. Po rozwinięciu szczegółów widać dokładnie dlaczego: e wyszło jak s, końcowe l poszło w stronę y, a jedno i zniknęło całkiem. To jest zupełnie inna instrukcja niż „popracuj nad francuskim". To jedno słowo, trzy głoski, a własne nagranie masz na tym samym ekranie.

Przyciski oceny zostają tam, gdzie były. Twój wynik wymowy nie rusza harmonogramu powtórek i jest to decyzja świadoma. Harmonogram odpowiada na pytanie, czy pamiętasz zdanie. To tutaj odpowiada na pytanie, czy umiesz je powiedzieć. Zmieszanie ich zepsułoby obie rzeczy.

Działa dla 31 języków, czyli dla większości tego, czego ludzie u nas naprawdę się uczą: niderlandzkiego, niemieckiego, angielskiego, hiszpańskiego, francuskiego, włoskiego, portugalskiego, polskiego, szwedzkiego, duńskiego, norweskiego, fińskiego, czeskiego, słowackiego, chorwackiego, węgierskiego, rumuńskiego, greckiego, rosyjskiego, ukraińskiego, tureckiego, arabskiego, hebrajskiego, hindi, tajskiego, wietnamskiego, indonezyjskiego, filipińskiego, japońskiego, koreańskiego i chińskiego. Tam, gdzie nie umiemy ocenić języka wiarygodnie, mikrofon w ogóle się nie pojawia. Uważamy, że to lepsze niż liczba, która nic nie znaczy.

Jak bym z tego korzystał

Jeśli chcesz wersję zgodną z badaniami, a nie wersję, która po prostu daje poczucie produktywności:

1. Powiedz, zanim spojrzysz na wynik. Chodzi o to, żeby zadeklarować jakąś wymowę, a nie asekurować się.
2. Rozwiń rozbicie na głoski, gdy słowo jest czerwone. Wynik słowa mówi, gdzie patrzeć. Głoski mówią, co zmienić.
3. Odsłuchaj własne nagranie przynajmniej raz. Wynik to opinia maszyny. Nagranie to dowód.
4. Powtórz od razu. Jedna świadoma druga próba bije pięć nieświadomych.
5. Nie goń za setką. Powyżej mniej więcej 80 jesteś zrozumiały, a zrozumiałość jest celem. Brzmienie jak native to inny i znacznie dłuższy projekt.
6. Dalej słuchaj żywych ludzi. Maszyna jest dobra w głoskach i słaba w melodii. Melodia bierze się z osłuchania.

To, do czego ciągle wracam

Karta dźwiękowa, kabina i mikrofon w aplikacji z fiszkami rozwiązują jeden problem: nie słyszysz siebie porządnie w trakcie mówienia, a nie da się naprawić czegoś, czego się nie słyszy.

Wszystko od 1908 roku jest próbą oddania ci własnego głosu na tyle szybko, żebyś jeszcze pamiętał, co chciałeś z nim zrobić. Zmieniło się to, że nie potrzebujesz już pokoju, planu zajęć ani prowadzącej przy konsoli, żeby dostać odpowiedź. Potrzebujesz jakichś czterech sekund.

W wieku czternastu lat byłbym tym zachwycony. Obcy facet z niskim głosem straciłby robotę.