• Nie Znaleziono Wyników

7.1. PE R C E PC Y JN O -A K U ST Y C Z N A O CENA A K C E N T U

Percepcyjna analiza intonacji przeprowadzana dla różnych języków (w tym dla języka polskiego por. np. Steffen-Batogowa i Katulska 1984) wykazała, że słuchacze potrafią bez większych trudności wyróżnić w wypowiedzi sylaby akcen­

towane. Do przetestowania własnego materiału przyjęto następujące hipotezy:

1. Pewne sylaby w wypowiedzi są przez słuchaczy percypowane jako szcze­

gólnie wyróżnione i jako ważne dla poprawnego odbioru zawartej w sygnale informacji.

2. Wyodrębnione percepcyjnie sylaby można zdefiniować w terminach cech akustycznych sygnału.

3. W yznaczniki akustyczne słuchowego wyróżnienia sylab mogą być zróżni­

cowane zależnie od fonetycznych i gramatyczno-semantycznych uwarunko­

wań wypowiedzi.

Dla weryfikacji wyżej wymienionych hipotez przeprowadzono doświadczenia akustyczno-percepcyjne. Wyniki eksperymentów obejmujących m ateriał zawie­

rający kontrastywne próbki mowy poddano analizie statystycznej. Utworzono 4 pary krótkich wypowiedzi, w obrębie których miejsce akcentu decydowało o in­

terpretacji gramatyczno-semantycznej wypowiedzi: nawóz — na wóz, jajem — ja jem , poradnia — pora dnia, zbieraliście — zbiera liście. W yrazy z powyż­

szych par, traktowane w dalszej części doświadczenia jako kluczowe, um iesz­

czono w krótkich zrandomizowanych dialogach. Dialogi te — 16 wypowiedzi (por. zał. 2) zostały odczytane przez 15-osobową grupę studentów różnych spe­

cjalności. Osobom czytającym nie udzielono specjalnych instrukcji, zalecono je ­ dynie swobodny sposób wypowiedzi. Z otrzymanych 15 replikacji każdego dia­

logu wycięto fragmenty sygnału mowy odpowiadające wyłącznie wyrazom klu­

czowym.

Izolowane wypowiedzi kluczowe zapisano w pliku dźwiękowym według sche­

matu:

60

wyraz kluczowy 1 ...1 sek. ciszy ...pierwsze powtórzenie wyrazu kluczowego I

Przerwy między replikacjami tej samej wypowiedzi kluczowej wynosiły 1 sek, przed kolejnymi, ustawionymi w losowym porządku wypowiedziami kluczowymi

— 3 sek. W ten sposób przygotowany materiał oceniała percepcyjnie 20-osobo- wa, przypadkowa grupa studentów. Po trzykrotnym odsłuchaniu wyrazu należało przypisać mu jedno z dwóch znaczeń. Decyzję słuchacze zapisywali na form u­

Rezultaty testu odsłuchowego dla wszystkich porównywanych wypowiedzi za­

mieszczono w tabeli 1 (w załączniku 3). W kolumnach umieszczono wyniki od­

słuchów wypowiedzi dla każdej z 15 osób. Wyniki przetestowano testem istotności X • W artość teoretyczna testu %2 dla jednego stopnia swobody przy a = 0,05 wynosi 3,8, a przy a = 0,001 wynosi 6,6. W kolejnych wierszach tabeli 1 umieszczono odpowiednio: rozpoznaną wypowiedź, wyniki testu %2 oraz poziom istotności a . Przykładowo, w replikacji wyrazu jajem zrealizowanej przez głos MM, 18 osób rozpoznało znaczenie wypowiedzi prawidłowo, 2 osoby błędnie. W artość statystyki X = 12,8, co oznacza, że różnice nie są istotne. Dla większości przypadków hi­

poteza zerowa zakładająca brak różnic między liczebnościami oczekiwanymi i otrzy­

manymi została odrzucona na poziomie istotności a = 0,001. W iększość znaczeń Wypowiedzi została rozpoznana przez słuchaczy poprawnie.

Na podstawie analizy przeprowadzonego doświadczenia wyodrębnić można 3 Przypadki:

■— wypowiedzi, których znaczenia zostały w 100 % poprawnie rozpoznane (między rozpoznaniami zachodziły tylko nieistotne statystycznie różnice),

■— wypowiedzi, których znaczenia zostały tylko częściowo rozpoznane,

— wypowiedzi, o znaczeniu nierozpoznawalnym percepcyjnie.

W 100 % poprawnie rozpoznano znaczenia fragmentów wypowiedzi wyciętych 2 następujących kontekstów:

Mnie się nie spieszy. Ja jem . Wiesz czym go obrzucili? Jajem.

Czym go obrzucili, pomidorem czy ja jem ? W tamtych workach je s t piasek, a w tych nawóz.

Co je st w tych workach, piasek czy nawóz?

Błędne rozpoznanie niektórych replikacji wypowiedzi kluczowych (tych, które wykazały istotne statystycznie różnice w ocenie znaczeń) otrzymano z następują­

cych kontekstów:

Czy klocki rozrzucaliście, czy zbieraliście?

Czy Tomek rozrzuca, czy zbiera liście?

Nie rozrzucaliście klocków, tylko je zbieraliście.

Pozbawienie kontekstu nie pozwoliło na poprawną identyfikację fragmentów wypowiedzi z następujących zdań.

Czy tam są najlepsi lekarze i czy to je s t najlepsza poradnia ? Czy to wszystko wczoraj zbieraliście, czy dzisiaj?

To wszystko wczoraj zbieraliście, a nie dzisiaj.

W 100% poprawne rozpoznanie znaczenia uzyskano w tych przypadkach, w któ­

rych wypowiedź kluczowa określała najważniejszą informację (narzuconą mówcy przez strukturę wypowiedzi).

W sytuacji, w której mówca posiadał pewną dowolność interpretacyjną wypo­

wiedzi (np. we frazie: to była najlepsza poradnia uwydatnić można informację najlepsza lub poradnia) wystąpiły trudności ze stuprocentowym rozpoznaniem zna­

czenia wypowiedzi niektórych osób. Znaczenia wypowiedzi kluczowych, które nie są nośnikiem najważniejszej informacji (wypowiedzi: czy to wszystko wczoraj zbie­

raliście, czy dzisiaj?', to wszystko wczoraj zbieraliście, a nie dzisiaj) nie zostały percepcyjnie rozpoznane (wartość statystyki %2 poniżej 5). W celu wyjaśnienia błędnych rozpoznań znaczenia wyrazu poradnia szczegółowej analizie akustycznej poddano całe wypowiedzi zawierające ten wyraz kluczowy: czy tam są najlepsi lekarze i czy to je st najlepsza poradnia?

Dla sprawdzenia hipotezy, że po akcencie głównym może występować tylko akcent poboczny określony poprzez relacje iloczasowe, przeprowadzono dodatko­

wy eksperyment w którym słuchacze odsłuchiwali wypowiedziane przez 20-oso- bową grupę studentów pary wypowiedzi: mówiłem ci, żebyś nie kładł belek na wóz', mówiłem ci, że to je st kiepski nawóz. Każdy z uczestników 20-osobowej grupy studentów powtarzał wymienione wypowiedzi po usłyszeniu wypowiedzi wzorcowej, w której mówca świadomie podkreślił informację mówiłem.

62

Analiza spektrograficzna wykazała możliwość udziału w akcentuacji poszcze­

gólnych wypowiedzi kluczowych następujących parametrów: częstotliwości pod­

stawowej, czasu trwania samogłosek oraz poziomu sygnału. Przeprowadzono po­

miary w zakresie 3 parametrów fizycznych.

1. Częstotliwości podstawowej. Ekstrakcji dokonano co 5 ms. W przypadkach wątpliwych przeprowadzono manualną korektę pomiarów na podstawie analizy widmowej.

2. Iloczasu. Segmentację sygnału przeprowadzono manualnie z dokładnością do 10 ms. Określono bezwzględny (wyrażony w ms) czas trwania samogłosek.

3. Poziomu sygnału. Przeprowadzono pomiar średniej poziomu w 20 ms in­

terwałach czasowych.

W stępna analiza parametru F0 wykazała możliwość różnicowania znaczenia Wyrazów w badanych parach na podstawie zmian wysokości tonu w obrębie sa­

mogłosek. Ryc. 7 .1 a - 7 .1 h ilustrują przykładowe przebiegi częstotliwości podsta­

wowej dla każdej badanej pary. I tak, dla wypowiedzi jajem (ryc. 7 .la) spadek parametru F0 na samogłosce a wynosi 150 Hz. Dla wypowiedzi ja je m (ryc. 7. Ib) spadek częstotliwości podstawowej występuje na samogłosce e (100 Hz). Podobne zmiany charakteryzujące się spadkiem parametru F0 w obrębie samogłoski obser­

wuje się w pozostałych parach wyrazowych (ryc. 7 .1 c -7 .1 h ).

R y c . 7 .1 . O sc y lo g r a m y , sp ek trogram y i in to n o g ra m y w y p o w ie d z i a) ja jem c ) n a w ó z

b) ja je m d ) na w ó z

^ '': >'i-ii ; -. * tWfr irtiUŁ »im.

' ' * h l , ."•¡•«'■i

,.Ł Łf ¿^C. : Ł!immmi

p o r a d ji

i t #

t i i l . i i ł } Ł i : L t . : . i : ^ ...i s ź .+ t*.4 4 £ j..lji.* i. ■■ ■•■

-a ci

m - 4 « n

Wii*' ' ■-!

v-- - fi .

z b j e r a l i e ic e

R y c . 7 .1 . O sc y lo g r a m y , sp ek trogram y i in to n o g ra m y w y p o w ie d z i e ) p orad n ia g ) z b ie r a liśc ie

f) pora d nia h) zb iera liś c ie

Ryc. 7.2 ilustruje przypadek zmian parametru F0 na obu samogłoskach a oraz e (w wypowiedzi ja jem ).

N a rycinie 7.3a przedstawiono przypadek analizy wyrazu, którego znaczenia nie rozpoznano poprawnie. Ryc. 7.3b przedstawia całą wypowiedź podnieś te worki i wrzuć je na wóz zawierającą wyraz wóz z ryc. 7.3a. W wypowiedzi tej mówca podkreślił wyraz wrzuć, wyraz wóz został pozbawiony akcentu.

R y c . 7 .2 . O sc y lo g r a m , spektrogram i in to n o g ra m w y p o w ie d z i j a je m

64

n a v u s

po d j i e ę t e v o r c i i V3 u tę j e n a v u s

R y c . 7 .3 . O sc y lo g r a m y , sp ek trogram y i in to n o g ra m y w y p o w ie d z i a) n a w ó z , b) p o d n i e ś te w o r k i i w r z u ć j e n a w ó z

Akcenty postiktyczne zrealizowane iloczasowo w obrębie wypowiedzi: mówi-

^e>n ci, żebyś nie kładł belek na wóz oraz mówiłem ci że to je st kiepski nawóz 'lustrują ryciny 7.4a oraz 7.4b.

Frazy te były powtarzane po usłyszeniu wypowiedzi wzorcowej, w której pod­

kreślono informację mówiłem. W pierwszej wypowiedzi zauważa się długie u (sy­

laba wóz) w drugiej długie a (sylaba na w nawóz). Ryciny 7.5a i 7.5b ilustrują różnicowanie znaczeń wyrazów poprzez zmiany iloczasu określonych samogłosek (w wypowiedziach: poradnia oraz pora dnia). Mówca podkreślił wyraz najlepsza w wypowiedziach: to była najlepsza poradnia oraz to była najlepsza pora dnia.

^ wyrazach poradnia oraz w pora dnia pozostał tylko akcent poboczny post-

■ktyczny określony relacjami iloczasowymi.

a) ^ CO

.. .

m u v i w ein tci 3 e b i ę j i e k w a d b e

1

e k n a v u s

b)

t N

< «nyiiS»—hM 4 *

-m u v i w e -mt c ¡3 e t o j e s t cje p s c i n a v u s

R y c. 7 .4 . O sc y lo g r a m y , sp ek trogram y i in to n o g ra m y w y p o w ie d z i a) m ó w iłe m ci, ż e b y ś n ie k ła d ł b e le k n a w ó z

b) m ó w iłe m ci, ż e to j e s t k ie p s k i n a w ó z

R y c. 7 .5 . O sc y lo g r a m y , sp ek trogram y i in to n o g ra m y w y p o w ie d z i a) p o r a d n ia b) p o r a d n ia

66

b)

A *

« «1 n

-*»*#»’ « M i HWKI

tf i t O e p J a p o r a d p a

R y c . 7 .6 . O sc y lo g r a m y , sp ek trogram y i in to n o g ra m y w y p o w ie d z i a) c z y to j e s t n a jle p s z a p o r a d n ia ?

b) c z y to j e s t n a jle p s z a p o r a d n ia ?

Ryciny 7.6a i 7.6b ilustrują wyniki analiz dla wyrazów kluczowych poradnia oraz pora dnia umieszczonych w wypowiedziach pytajnych (czy to je st najlepsza Poradnia? oraz czy to je s t najlepsza pora dnia?).

Znaczenia tych wyrazów zostały dobrze percepcyjnie rozpoznane. Zauw aża się dużą zmianę parametru F0 w obrębie sylaby dnia (ryc. 7.6a) oraz globalne mini­

mum przebiegu parametru F0 na samogłosce o w wyrazie pora (ryc. 7.6b).

n a j

1

e p J a p o r a d ji a

R y c . 7 .7 . O sc y lo g r a m y , sp ek trogram y i in to n o g ra m y w y p o w ie d z i a) c z y to j e s t n a jle p s z a p o r a d n ia ? b) n a jle p s z a p o r a d n ia

Rycina 7.7a ilustruje przykład wypowiedzi, której znaczenie zostało niepra­

widłowo rozpoznane (wyraz poradnia w wypowiedzi czy to je st najlepsza porad­

nia?). Przebieg parametru F0 charakteryzuje się minimum płaskim. Minimum wy­

stępuje na samogłosce o oraz a w wyrazie pora. Duże trudności sprawiło słucha­

czom rozpoznanie wyrazu poradnia w pytaniu: czy tam są najlepsi lekarze i czy to je s t najlepsza poradnial Tylko w jednym przypadku zilustrowanym na ryc. 7.7b słuchacze nie mieli trudności z rozpoznaniem wyrazu. Iloczas samogłoski a w wy­

razie poradnia był prawdopodobnie istotnym czynnikiem wpływającym na decyzję słuchacza.

68

k

7.2. S T A T Y ST Y C Z N A K L A SY FIK A C JA P A R A M E T R Ó W SU PR A SE G M E N T A L N Y C H

Statystyczną analizę przeprowadzono oddzielnie w 2 grupach wypowiedzi klu­

czowych: dwusylabowe — jajem , ja jem , nawóz, na wóz oraz kilkusylabowe: po ­ radnia, pora dnia i zbieraliście, zbiera liście.

Do przetestowania istotności akustycznych cech decydujących o percepcji akcentu opracowano zbiór kilkunastu parametrów opisujących zmiany: częstotliwości pod­

stawowej (wartości ekstremalne, początkowe, końcowe, średnie), iloczasu (względ­

ne zmiany długości samogłosek) i poziomu sygnału. Wyniki analizy wariancji wykazały, że efektywne w opisie akustycznym akcentu są następujące cechy:

1. Interwał zmian parametru F0 na samogłosce.

2. W zględna zmiana parametru F0 na danej samogłosce, odniesiona do całego zakresu zmian częstotliwości podstawowej w wypowiedzi kluczowej.

3. Umiejscowienie przebiegu częstotliwości w danej samogłosce na indywidu­

alnej skali częstotliwości mówcy (np. względem F0 min, F0 max).

4. Konfiguracja przebiegów częstotliwości podstawowej na samogłoskach w oto­

czeniu sąsiadujących ze sobą sylab.

5. W przypadku akcentu postiktycznego decydującą rolę odgrywają zmiany czasu trwania samogłosek w stosunku do czasu trwania samogłosek sąsiednich.

Dla wypowiedzi dwusylabowych wyznaczono następujące zbiory parametrów:

ł. ADvi = Dvi - D vs

2. AFj = ln(Fmaxi) - ln(Fmini) 3. A Fr = AF - AFj

4- AFmax — ln(Fmax) — ln(Fmaxi) 5- Al = Isri - Isr

Dodatkowo, dla wyrazów kilkusylabowych przyjęto cechy uwzględniające są­

siedztwo samogłosek:

Dane znormalizowano poprzez transformację do wartości średniej równej zeru i jednostkowego odchylenia standardowego.

Na podstawie wyników analizy percepcyjnej każdą samogłoskę oznaczono jak akcentowaną lub nieakcentowaną. Dane poddano analizie dyskryminacyjnej. Jako zmienną niezależną przyjęto wyniki klasyfikacji percepcyjnej, zmienne zależne stanowiły wyżej wymienione cechy, określone dla każdej samogłoski. W tabeli 7.1 podano wyniki analizy dyskryminacyjnej samogłosek dla wypowiedzi dwusy- labowych. Do klasyfikacji przyjęto tylko te wypowiedzi, których znaczenia zostały przez słuchaczy poprawnie rozpoznane. Z materiału zawierającego 7 wybranych do analizy wypowiedzi dwusylabowych (powtarzanych przez 15 osób) odrzucono 15 wyrazów. Do klasyfikacji pozostało więc 90 samogłosek akcentowanych i 90 nie- akcentowanych. Wysoki średni procent rozpoznania sylab akcentowanych i nie- akcentowanych wynika z wyraźnych cech akustycznych analizowanych przykła­

dów. Wypowiedzi dwusylabowe stanowiły centrum informacyjne zdania i były nośnikami akcentu rdzennego charakteryzującego się znacznymi zmianami para­

metru F0. W tabeli 2 (w załączniku 4) podano udział poszczególnych cech w kla­

syfikacji. W edług testu W ilksa — w analizie wariancji — wartość statystyki F dla 3 parametrów opisujących zmiany częstotliwości podstawowej wynosi odpo­

wiednio 41,04; 12,71 oraz 4,172, dla iloczasu 32,59, a dla poziomu sygnału 0,003.

Z powyższych wartości wynika, że najważniejszą rolę w klasyfikacji odgrywają zmiany częstotliwości podstawowej. Iloczas spełnia funkcję pomocniczą i jak wy­

kazały przedstawione przykłady charakteryzuje głównie akcent postiktyczny. Zm ia­

ny poziomu sygnału są nieistotne dla statystycznej analizy akcentu.

T a b e l a 7 . 1 .

W szystkie samogłoski akcentowane i nieakcentowane przedstawiono w ukła­

dzie 3 współrzędnych opisujących zmienność częstotliwości podstawowej: AFj , AFr oraz AFmax (ryc. 7.8). Dla wypowiedzi kilkusylabowych, w których występo­

wały zarówno akcenty rdzenne, jak i postiktyczne osiągnięto znacznie niższy pro­

cent klasyfikacji (w zakresie 68 - 74%). Z analiz wyłączono wypowiedzi pytające, ponieważ liczba ich replikacji nie była wystarczająco duża do oceny statystycznej.

Wyniki eksperymentu odsłuchowego i przeprowadzona analiza dyskryminacyjna pozwoliły na wyciągnięcie następujących wniosków:

AF

iSl -0.036 Eli 0,127 EU 0,291

□ 0.465 I I 0,018 I I 0,782 EU 0,945 F I 1,109 ESI 1.273 HH 1.436

KM ponad

R y c. 7 .8 . S a m o g ło s k i w u k ła d z ie 3 w sp ó łrz ęd n y c h : zm ia n y parametru Fqna s a m o g ło s c e

(AFj), w z g lę d n e j z m ia n y o d n ie sio n e j d o zak resu (AFr), w z g lę d n e g o p o ło ż e n ia sa m o g ło sk i

(AFmax) a) n iea k cen to w a n e , b) a k cen to w a n e

1. Akcenty mogą być rozpoznane bez wskazówek kontekstowych wyłącznie na podstawie cech akustycznych sygnału.

2. W określonych przypadkach może zachodzić zjawisko pozbawienia danej sylaby akcentu i przeniesienia go na inny fragment wypowiedzi.

3. Akcent realny główny związany jest zawsze ze zmianami wysokości tonu.

Występuje w obrębie najważniejszej informacji w wypowiedzi.

4. W określonych przypadkach po akcencie realnym głównym może wystąpić akcent poboczny sygnalizowany iloczasem.

5. Wyniki klasyfikacji akustycznej akcentu/braku akcentu są podobne do re­

zultatów oceny słuchowej.

6. Najważniejszymi elementami sygnału mowy dla wyznaczenia parametrów akustycznych akcentów są samogłoski.

7. Cechy charakteryzujące zmienność parametru F0 powinny więc być w naj­

większym stopniu przydatne w klasyfikacji/rozpoznawaniu struktur akcentowych, natomiast iloczas jest istotny w detekcji akcentu postiktycznego i granic frazowych.

8