Thanh ngang là gì

Tiếng Việt có lẽ là môn học được nhiều người nước ngoài đánh giá là khó tiếp thu nhất, bởi vì hệ thống môn tiếng việt của ta rất đa dạng, không chỉ nằm ở các từ ngữ, ngữ pháp mà ngay cả việc sử dụng dấu cũng như vậy. Trong bài viết ngày hôm nay, hãy cùng chúng tôi phân tích sâu hơn và phân biệt thanh bằng, thanh trắc là như thế nào nhé.

Thanh bằng
Thanh bằng là thanh điệu bằng phẳng, không có sự cao giọng hay thấp giọng khi đọc. Và là những thanh điệu mà khi thể hiện, đường nét âm điệu diễn biến bằng phẳng, đồng đều từ đầu đến cuối, không có sự lên xuống bất thường nào.

Thanh bằng gồm những tiếng hay chữ không có dấu ( gọi là thanh ngang) và những tiếng hay chữ có dấu huyền.
– Thanh ngang: thanh ngang hay còn gọi là thanh không dấu hoặc gọi là thanh không được thể hiện dấu trên chữ. Thanh này xuất hiện trong tất cả các âm tiết, trừ âm tiết khép.
Ví dụ: cam, xuân, đông, công ty, mưa xuân,….
Nhưng thanh bằng không được thể hiện trên các âm tiết như: lach, bach, bat,lac, nhac, hat, het, bêt,….
– Dấu huyền: dấu huyền là một dấu thanh nằm trên các nguyên âm trong tiếng Việt. khi thể hiện trên các nguyên âm thì phát ra âm với giọng đi xuống. Dấu huyền được viết bằng một gạch ngang chéo từ trái sang phải.
Dấu huyền thấp hơn thanh ngang một bậc, dấu này có thể xuất hiện trong các âm tiết không phải là âm tiết khép và đọc với giọng nặng hơn thanh ngang.
Ví dụ về dấu huyền: cà, sàn, đầm, bằng, bà, bàn, ….

Thanh trắc
Thanh trắc là thanh điệu không bằng phẳng. Thanh này có âm diệu diễn biến phức tạp trong thanh điệu. thanh này khi lên khi xuống, thể hiện ra bằng một đường nét không bằng phẳng và không đồng đều.

Thanh trắc được thể hiện bằng các tiếng hay chữ có các dấu gồm: dấu sắc, dấu hỏi, dấu ngã, gấu nặng.
– Dấu hỏi: dấu này có thanh điệu thuộc âm vực thấp. Khi phát âm, dấu hỏi có điểm bắt đầu và kết thúc thanh điệu đều ở âm vực thấp.
Dấu hỏi thường xuất hiện trong tất cả các âm tiết không phải là âm tiết khép.
Ví dụ: vả lại, hỏi han, cảm cúm, cảng biển, cảnh đẹp, hổn hểnh, cảm ơn, thể hiện,….
– Dấu ngã: dấu ngã là dấu có thanh điệu thuộc âm vực cao. Dấu này bắt đầu thấp hơn và kết thúc cao hơn, có thêm động tác nghẽn thanh hầu khi phát âm. Dấu này có thể xuất hiện trong các âm tiết không phải là âm tiết khép và đọc với giọng nặng hơn thanh ngang.
Ví dụ: ngã, vẽ, xã, mãn nhãn, sững sờ,….
Dấu ngã không được thể hiện trên các âm tiết như: lach, bach, bat,lac, nhac, hat, het, bêt,….
– Dấu sắc: dấu sắc là dấu có thanh điệu thuộc âm vực cao. Khi phát âm, dấu này có điểm xuất phát thấp hơn thanh ngang một chút và điểm kết thúc ở âm vực cao. Đồng thời khi kết thúc còn phải có thêm động tác nghẽn thanh hầu khi đọc.
Dấu sắc có thể xuất hiện trong tất cả các kiểu âm tiết. Ví dụ: khá lớn, bí quyết, chính thức, sáng sớm,….
– Dấu nặng: dấu nặng là dấu có thanh điệu thuộc âm vực thấp. Khi phát âm, dấu này có điểm xuất phát gần với độ cao xuất phát của thanh huyền nhưng kết thúc đột ngột ở độ cao thấp hơn.
Dấu nặng xuất hiện ở tất cả các kiểu âm tiết. Ví dụ: lạ đời, chợ xuân, lợi ích, lạm dụng, trục trặc, bẹp ruột Trên đây là bài viết Thanh bằng, thanh chắc gồm những dấu nào, hi vọng các bạn đã bổ sung thêm kiến thức môn tiếng Việt vững chắc hơn. Chúng tôi sẽ gửi đến nhiều bài viết bổ ích khác trong lần sau. Hẹn gặp lại các bạn!

Xem thêm: Những chất kết tủa trắng thường gặp trong hóa học

Chủ đề thanh bang thanh trac tiếng việt

3.1. Khái niệm ngôn điệu, ngôn từ và thanh điệu 3
Nói một cách nôm na, trong ngôn từ nói, ngôn điệu là cái mang lại âm sắc cho
lời nói, âm sắc là bộc lộ tự nhiên của giọng nói, mang ý nghĩa nhấn mạnh vấn đề hoặc thể
hiện sắc thái tình cảm, lời nói không có ngôn điệu giống như lời nói của robot, không
giống lời nói tự nhiên. Các nhà ngôn ngữ học cho rằng thực chất ngôn điệu là sự phủ lên
âm tiết những yếu tố trọng âm, thanh điệu, ngôn từ và trường độ. Vai trò của ngôn điệu rất
quan trọng trong tổng hợp lời nói, nếu không giải quyết và xử lý được yếu tố ngôn điệu thì không
thể tổng hợp được tiếng nói tự nhiên của con người được. Đặc trưng quan trọng nhất của
ngôn điệu là độ cao, độ dài, độ to, tương ứng là những đại lượng tần số cơ bản F0, thời hạn
của âm tiết, âm vị D, và cường độ I .
Ngôn điệu của lời nói link ngặt nghèo với khái niệm ngôn từ. Có thể nói ngữ
điệu là sự nâng cao hạ thấp của lời nói trong câu, khi xét là một âm tiết ( trong tiếng Việt
gọi là một tiếng ) ngôn từ lúc này trở thành thanh điệu của âm tiết đó. Đặc trưng chính
cho đặc thù này là tần số cơ bản của giọng nói : F0. Việc lấy những giá trị F0 theo thời hạn
tạo thành đường nét F0. Trong lời nói liên tục, đường nét F0 cho mỗi thanh điệu có những
đặc trưng khác nhau, tín hiệu thô khởi đầu là dạng thô của đường nét F0, ở chương này, ta
đi điều tra và nghiên cứu cách làm mịn đường nét F0 cho mỗi âm tiết riêng không liên quan gì đến nhau, theo đúng số lượng giới hạn
khởi đầu của bài toán .
3.2. Tìm đường nét F0 và điều tra và nghiên cứu đặc thù của từng thanh điệu trong tiếng Việt
Trong tiếng Việt, có 6 thanh điệu được sử dụng : thanh ngang, huyền, sắc, hỏi ,
nặng và ngã. Trong văn học xưa từng Open luật bằng trắc : thanh bằng chỉ âm tiết có
đường nét có khunh hướng đi ngang hoặc đi xuống ( là thanh ngang, huyền ) thanh trắc chỉ
âm tiết có đường nét đi lên ( thanh sắc, nặng, ngã ), tuy nhiên phân loại như vậy là chưa
ngặt nghèo và khá đầy đủ. Sau đây, ta sẽ đưa ra một cách làm mịn đường nét F0 bộc lộ thanh
điệu lời nói và nghiên cứu và điều tra đặc thù của từng thanh điệu .
3 Nội dung tìm hiểu thêm trong tài liệu : Mô hình Fujisaki và vận dụng trong nghiên cứu và phân tích thanh điệu tiếng Việt của Bạch
Hưng Nguyên, Nguyễn Tiến Dũng .
16
3.2.1. Tính đường nét thanh điệu 4
3.2.1. 1. Hàm biên độ trung bình ( AMDF Average Magnitude Difference Fucntion )
Hàm hiệu biên độ trung bình của một tín hiệu là hiệu biên độ của chính nó rời đi p
mẫu, được tính bởi công thức :
d ( p ) = |
Ở đây x ( n ) là giá trị biên độ thứ n của tín hiệu, N là số giá trị biên độ ( thường là số giá trị
được lấy ra trong 1 khoảng chừng thời hạn cố định và thắt chặt, với tần số lấy mẫu là Fs )
Nếu x ( n ) là tín hiệu tuần hoàn với chu kì T thì khi p tiến dần tới giá trị T, hàm d ( p ) sẽ đạt
giá trị nhỏ nhất .
Do tín hiệu là rời rạc nên sẽ sống sót giá trị nguyên p0 sao cho d ( p0 ) là nhỏ nhất, khi đó giá
trị f0 = Fs / p0 được coi là tần số cơ bản của đoạn tín hiệu đó, nói cách khác nó đặc trưng
cho thanh điệu của đoạn tín hiệu đó, f 0 là một giá trị trong đường nét F0 đặc trưng cho
thanh điệu của hàng loạt tín hiệu giọng nói khởi đầu .
Giọng nói của người thông thường có tần số cơ bản là khoảng chừng 90H z với giọng nam và
200H z với giọng nữ, ta sẽ lấy p0 sẽ nằm trong khoảng chừng rộng hơn từ Fs / 250 đến Fs / 80 .
Cứ mỗi đoạn tín hiệu lê dài từ 10-25 ms ta lại lấy một giá trị f0 như vậy, tập f0 theo thời
gian thu được chính là đường nét F0 .
3.2.1. 2. Thực hiện tìm đường nét F0
– Cắt xén tín hiệu làm nổi rõ chu kì cơ bản
y [ n ] =
Trong đó C được chọn vào lúc 1/3 giá trị biên độ cực lớn trên toàn tín hiệu
– Tính hàm biên độ trung bình : tín hiệu sau khi được cắt xén được đưa vào hàm lấy biên
độ trung bình như trong mục 3.2.1. 1 với N là độ dài của một khung ( gồm những giá trị
được lấy trong 1 khoảng chừng thời hạn nhất định, ở đây lấy số giá trị trong 1 frame
( khoảng chừng 10-25 ms ) như ở mục I đã trình diễn ) .
4 Nội dung tìm hiểu thêm trong tài liệu Nhận dạng tiếng Việt dùng mạng Neuron tích hợp trích đặc trưng dùng
LPC và AMDF, 2005, tác giả Hoàng Đình Chiến .
17
– Làm mịn : với những d ( p0 ) > 0.7 * dmax ( p ) ta coi đó là khung vô thanh, tính giá trị đặc trưng
f0 = 0. Sau khi được tập { f0 } liên tục làm mịn đường nét F0 bằng cách : nếu những
khung vô thanh ở đầu hoặc cuối âm tiết thì sẽ được thay thế sửa chữa bởi giá trị f0 kế cận, nếu
khung vô thanh ở giữa âm tiết thì thay bằng trung bình của 2 giá trị f0 ngay cạnh .
Cuối cùng làm trơn đường nét F0 bằng bộ lọc với phân phối xung h = [ 0.1, 0.2, 0.4 ,
0.2, 0.1 ]
– Lấy đặc trưng : Tùy vào nhu yếu sử dụng bao nhiêu đặc trưng mà lấy những giá trị từ
đường nét F0, hoàn toàn có thể lấy những giá trị trên đường nét, hoặc hoàn toàn có thể biến hóa rời rạc
đường nét về 1 số ít giá trị đặc trưng nhất định .
3.2.2. Đặc điểm của từng thanh điệu dựa vào đường nét 5
3.2.2. 1. Thanh ngang
Đường nét của thanh ngang thường có xu thế giảm nhẹ, điều này dễ hiểu bởi khi
phát âm, mức nguồn năng lượng gần như không đổi và giảm dần về cuối âm tiết, thanh ngang dễ
bị nhầm lẫn với thanh huyền vì đường nét của chúng tựa như nhau ( xu thế không đổi
hoặc giảm nhẹ )

Hình miêu tả đường nét thô của thanh ngang .
Hình 8 : Đường nét thô của thanh ngang, âm vị a
3.2.2. 2. Thanh huyền
5 Nội dung tìm hiểu thêm từ Mô hình Fujisaki và vận dụng trong nghiên cứu và phân tích thanh điệu tiếng Việt, tác giả Bạch
Hưng Nguyên, Nguyễn Tiến Dũng
18
Đường nét thanh huyền khi phát âm chuẩn có xu thế không tăng, không giảm ,
gần giống với thanh ngang, điều này ta vừa đề cập tới, nó gây khó khăn vất vả trong việc phân
biệt riêng hai thanh điệu này. Hình sau là phổ biên độ thô của thanh huyền :
Hình 9 : Đường nét thô của thanh huyền, âm vị à
3.2.2. 3. Thanh sắc
Thanh sắc có đường nét đi lên, khá giống với thanh ngã và thanh nặng, thanh sắc có
âm vực khởi đầu cao hơn 2 thanh còn lại, có báo cáo giải trình thí nghiệm Tóm lại rằng : cho đường
nét của thanh sắc và thanh ngã giống hệt nhau, khi tổng hợp lại người nghe vẫn phân biệt
được 2 thanh này. Tuy nhiên, thanh ngã và thanh nặng cũng còn những đặc thù quan
trọng khác để phân biệt với những thanh còn lại .
Quan sát đường nét ( ở dạng phổ ) thô của thanh sắc :
Hình 10 : Đường nét thô của thanh sắc, âm vị á
19
3.2.2. 4. Thanh ngã
Đường nét thanh ngã bị gãy ở giữa, không riêng gì gãy ở F0 mà thanh ngã còn bị gãy ở
phổ, đó chính là độc lạ lớn nhất giữa thanh ngã với những thanh còn lại. Hình sau miêu tả
điều này
Hình 11 : Đường nét thô của thanh ngã, âm vị ã
3.2.2. 5. Thanh nặng
Thanh nặng có đặc trưng bị gẫy, đứt và đi xuống bất ngờ đột ngột ở cuối âm, thanh nặng
cũng gặp khó khăn vất vả khi phân biệt với thanh sắc, nếu cho thanh nặng đường nét F0 của
thanh sắc thì người nghe vẫn phân biệt được đó là thanh nặng, có điều phần cuối âm tiết
cảm xúc bị nhấn lên, nếu âm tiết được phát âm rõ ràng, chuẩn để dữ thế chủ động hạ giọng cuối
âm tiết có thanh nặng, năng lực phân biệt 2 thanh này sẽ cao hơn .
Sau đây là hình diễn đạt đường nét thô dạng phổ của thanh nặng :
Hình 12 : Đường nét thô của thanh nặng, âm vị ạ
3.2.2. 6. Thanh hỏi
20
Đường nét của thanh hỏi có đặc trưng là được nâng cao ở hai đầu và cao độ thấp ở
giữa âm tiết, tuy nhiên trong lời nói tự nhiên, đặc trưng này không được bộc lộ rõ
ràng do những yếu tố như vận tốc nói, kiểu nói của mỗi người và tùy ngữ cảnh thanh điệu
này được nhấn như thế nào, thanh hỏi trong giọng nói tự nhiên, không ngữ cảnh hay bị
nhầm lẫn với thanh huyền và thanh ngang .
Trường hợp phát âm lý tưởng cho âm tiết có thanh hỏi :
Hình 13 : Đường nét thô của thanh hỏi, âm vị ả
Chương 4 .
SỬ DỤNG ĐẶC TRƯNG TIẾNG NÓI NÓI CHUNG VÀ TIẾNG
VIỆT NÓI RIÊNG CHO MÔ HÌNH NHẬN DẠNG TIẾNG NÓI TIẾNG
VIỆT
Như ta đã trình diễn ở chương 1, trích chọn đặc trưng MFCC mô phỏng quy trình
phát ra lời nói của cỗ máy phát âm trải qua 39 đặc trưng cho mỗi frame tín hiệu, như
vậy mỗi frame sẽ được coi như 1 vector 39 chiều giá trị thực và một tín hiệu tiếng nói là
một tập những frame. Mục tiêu bài toán trở thành : với lời nói nguồn vào bất kỳ, ta gán nhãn
cho những frame ( sau khi trích chọn đặc trưng ) sao cho tương thích nhất với quy mô âm học
21
của mạng lưới hệ thống ta kiến thiết xây dựng ( khái niệm quy mô âm học sẽ được nhắc lại trong chính
chương này ). Bằng việc vận dụng quy mô Markov ẩn – HMM để gán nhãn frame, tiếng
nói sẽ được nhận dạng về hình thức văn bản ( text ). Bên cạnh đó, ta cũng thực thi phân
đường nét F0 ( đường đặc trưng cho thanh điệu ) để minh họa việc phân biệt thanh điệu
cho những âm tiết phát âm giống nhau .
4.1. Mô hình Markov ẩn ( Hidden Markov Model )
Ở phần này ta sẽ ra mắt quy mô thống kê HMM để vận dụng quy mô này vào bài
toán nhận dạng lời nói .
4.1.1. Xích Markov, quy trình Markov
Xích Markov ( đặt theo tên nhà toán học người Nga Andrei Andreyevich Markov ) là một
dãy X1, X2, X3, … gồm những biến ngẫu nhiên. Tập toàn bộ những giá trị hoàn toàn có thể có của những biến này được
gọi là khoảng trống trạng thái S, giá trị của Xn là trạng thái của quy trình ( hệ ) tại thời gian n .
Nếu việc xác lập ( Dự kiến ) phân bổ Tỷ Lệ có điều kiện kèm theo của Xn + 1 khi cho biết những trạng thái quá
khứ là một hàm chỉ phụ thuộc vào Xn thì :
P. ( Xn + 1 = x | X0, X1, , Xn ) = P ( Xn + 1 = x | Xn )
trong đó x là một trạng thái nào đó của quy trình ( x thuộc khoảng trống trạng thái S ). Đó là thuộc
tính Markov .
Một cách đơn thuần để tưởng tượng một kiểu chuỗi Markov đơn cử là qua một ôtômat hữu hạn ( finite
state machine ). Nếu hệ ở trạng thái y tại thời gian n thì Phần Trăm mà hệ sẽ chuyển tới trạng thái x
tại thời gian n + 1 không nhờ vào vào giá trị của thời gian n mà chỉ nhờ vào vào trạng thái
hiện tại y. Do đó, tại thời gian n bất kể, một xích Markov hữu hạn hoàn toàn có thể được trình diễn bằng
một ma trận Xác Suất, trong đó thành phần x, y có giá trị bằng P. ( Xn + 1 = x | Xn = y ) và độc lập với
chỉ số thời hạn n ( nghĩa là để xác lập trạng thái tiếp nối, ta không cần biết đang ở thời gian nào
mà chỉ cần biết trạng thái ở thời gian đó là gì ) .
Một quy trình mang tính ngẫu nhiên có đặc tính giống như xích Markov ta gọi là quy trình
Markov bậc 1. Quá trình Markov bậc n là dãy biến ngẫu nhiên mà Dự kiến phân bổ Xác Suất có
điều kiện kèm theo Xn + 1 là một hàm nhờ vào X1, X2, , Xn. Tuy nhiên ở đây, vận dụng cho bài toán nhận
dạng giọng nói, ta chỉ xét tới quy trình Markov bậc 1 ( hay xích Markov ). Để tiện cho việc trình
22
Xem thêm : Vì sao “ Chớ đi ngày bảy, chớ về ngày ba ” ?

Xem thêm: ” Thửa Đất Tiếng Anh Là Gì ? Định Nghĩa, Ví Dụ, Giải Thích

Video liên quan

Bạn đang đọc : Thanh ngang trong tiếng Việt là gì