Влияние типа ударения и позиции гласного во фразе на ширину его формант
Сергей Васильевич Баталин
Волгоградский государственный технический университет, г. Волгоград, Россия
Аннотация
В статье представлены результаты экспериментального изучения влияния типа ударения, позиции слова в составе фразы и взаимодействия этих факторов на ширину формант гласного звука [a]. Актуальность работы обусловлена важностью выявления акустических коррелятов ударения для создания качественного синтеза речи и распознавания эмоций. Цель исследования - определение закономерностей в изменении ширины формант при произнесении с нейтральным и эмфатическим ударением гласного звука [a] в слове, занимающем начальную, срединную и конечную позиции во фразе. Акустический анализ выполнен с помощью программы Ргаа 1:. Полученные данные обработаны с использованием методов дисперсионного анализа, позволивших обнаружить, что позиция слова во фразе оказывает влияние на ширину первых четырех формант гласного звука, при этом изменения значений разнонаправлены и в значительной степени определяются особенностями идиолекта информантов. Взаимодействие факторов фразовой позиции гласного и типа ударения является статистически значимым в произношении всех привлеченных к эксперименту информантов. В результате эксперимента установлены особенности изменения ширины формант при реализации различных типов ударения в зависимости от позиции слова в составе фразы.
Ключевые слова: ударение, эмфатическое ударение, форманта, ширина форманты, русский язык, лингвистический эксперимент.
THE IMPACT OF LEXICAL STRESS TYPE AND POSITION OF A VOWEL WITHIN A PHRASE ON VOWEL FORMANT BANDWIDTHS
Sergey V. Batalin
Volgograd State Technical University, Volgograd, Russia
Abstract. The article sets out to explore the impact of different types of lexical stress and word position within a phrase as well as the interaction of these factors on formant bandwidths. The findings contribute to establishing the role of these formant features as acoustic correlates of the Russian lexical stress. The experimental material for analysis is presented by the Russian sound [a] embedded in a word in a natural language carrier phrase. The word position is changed from phrase initial to the phrase final one and in each position the target word is uttered with a neutral and an emphatic stress by four speakers. The Praat software is used to extract the mean values of the first four formant bandwidths of the target vowel. Two-way ANOVA is carried out to establish the significance of difference between neutrally and emphatically stressed vowels in all the three phrasal positions. The impact of phrasal position and stress type is clearly pronounced and is valid for all the four speakers. Specific trends in bandwidth alterations are hard to identify in most cases because of inconsistent fluctuations of formant bandwidths and a heavy influence of the speakers' idiolects: formant bandwidths expand, contract or remain unchanged. An explanation of the results obtained is suggested. звук ударение гласный
Key words: lexical stress, emphatic stress, formant, formant bandwidth, Russian language, linguistic experiment.
Введение
В настоящее время направление многих лингвистических исследований определяется задачами автоматического распознавания эмоций и высококачественного синтеза речи. Важную роль в их решении играет качество звуков речи, которое в соответствии с положениями линейной теории порождения звука определяется формантными частотами и шириной формантных диапазонов. При анализе роли ширины формант исследователи отмечают, что этот параметр является одним из маркеров тембра гласных звуков [The Effect..., 2007] и используется слушающими для определения психофизических различий между гласными [Easwar, Scollie, Purcell, 2019]. Кроме того, анализ ширины формант при первичном описании гласных для автоматического обнаружения звуков позволяет снизить их ложное распознавание [Чудновская, 1997].
Сложность измерения значений ширины формант определяется не только необходимостью учета физиологических факторов, таких как импеданс и диссипативные потери в тканях голосового тракта [Фант, 1964, с. 129; Hanna, Smith, Wolfe, 2016], но и техническими причинами, к которым относятся используемые методы измерения ширины формантного диапазона [Kent, Vorperian, 2018; Medabalimi, Seshadri, Bayya, 2014]. Тем не менее, к настоящему времени накоплен достаточный объем эмпирических данных, позволяющий оценить особенности функционирования анализируемого акустического параметра. В первую очередь рассмотрим роль ширины формант как акустического коррелята ударения. Необходимо отметить, что в соответствии с положениями линейной теории порождения звука ширина формант может определять энергию звука и, соответственно, является одним из коррелятов громкости. В настоящее время общепризнан тот факт, что звуковая энергия, распределенная по нескольким диапазонам, воспринимается громче, чем та же энергия, распределенная в пределах одного критического диапазона [Glasberg, Moore, 2002; Zwicker, Flottorp, Stevens, 1957]. Так, Г. Фант обращал внимание на значимость более высоких частотных областей, подчеркивая, что при усилении голосового напряжения (характерного для произнесения ударных гласных. - С. Б.) наблюдается усиление высокочастотных формант [Фант, 1964, с. 131]. К аналогичным выводам приходят А. Слюйтер и В. Хевен, также установившие, что выделение ударного гласного сопровождается усилением формантных частот в среднем и высоком диапазонах, в то время как усиление интенсивности в нижней части спектра (ниже 500 Гц) является незначительным. Кроме того, лингвистами отмечается, что одним из акустических коррелятов ударения выступает неполное смыкание голосовой щели, определяющее ширину диапазона F1 [Sluijter, Van Heuven, 1996]. Ф. Тамбурини и К. Кейни, исследуя распределение энергии в различных диапазонах ударных и безударных слогов, выделяют три основных диапазона: 0-300 Гц, 300-2200 Гц и 2200-4000 Гц. Если распределение энергии в нижнем и верхнем диапазонах практически совпадает для ударных и безударных гласных, то в центральном диапазоне (300-2200 Гц) отличие между ударными и безударными гласными носит явно выраженный характер. На основании этих данных авторы делают вывод об увеличении энергии ударных гласных в средней и центральной частях спектра звуков [Tamburini, Caini, 2005]. Таким образом, усиление области высоких частот признается более надежным признаком ударения, чем равномерное повышение интенсивности звука во всех диапазонах.
В отличие от нейтрального ударения, эмфатическое ударение выражает некоторую эмоциональную окраску ударного гласного, поэтому закономерно возникает вопрос о том, в какой степени произнесение слова с эмфатическим ударением может модифицировать ширину формант. Поскольку нам не удалось найти в литературе данных о связи ширины формант с эмфатическим ударением, рассмотрим имеющиеся результаты о влиянии эмоционально окрашенной речи на данный акустический параметр. Так, Л.В. Златоустова установила, что во фразах, выражающих положительные эмоции, увеличивается суммарная энергия гласных в верхней части их диапазона. Отрицательные эмоции, наоборот, сопровождаются сужением ширин формантных полос, что приводит к падению энергии гласных в верхней части диапазона [Златоустова, 1983]. Данный факт можно подтвердить целым рядом наблюдений, сделанных лингвистами в разное время. Так, Г. Фант обращал внимание на значимость более высоких частотных областей в эмоциональной речи [Фант, 1964, с. 131]. Э.А. Нушикян отмечала смещение спектральной энергии в области более высоких частот (F3 и F4) при выражении сильных эмоций - радости, гневного возмущения, ярости, изумления и др. В таких случаях наблюдалось расширение частотных областей всех формант и повышение их энергии на 2030 % [Нушикян, 1986, с. 106]. По данным К. Шерера, выражение гнева, отвращения и страха сопровождается сужением диапазона форманты F1 [Scherer, 1986]. Зависимость ширины диапазона BW1 от типа передаваемой эмоции также установлена К. Гоблом и А. Чазедом [Gobi, Chasaide, 2003]. Изменение значений ширины формантных диапазонов объясняет, почему в настоящее время данный параметр регулярно используется исследователями в качестве одного из признаков, харастеризующих эмоционально окрашенную речь в различных языках [Ре^^Ып, 2000; МаппераШ, Sastry, Suman, 2018; УегуегЫш, КойюроиЫ, 2006].
Исходя из вышесказанного, выдвинем предположение, что степень ударности гласного и эмоциональная окраска высказывания могут выступать в качестве фактора, определяющего вариативность ширины диапазонов формантных частот. Кроме того, отметим еще один фактор, способный задавать вариативность формант, - позицию звука в составе фразы. Хотя в литературе отсутствуют данные о влиянии этого параметра на ширину формантных диапазонов, ряд наблюдений о влиянии фразовой позиции на формантные частоты звуков [Баталин, 2019; Валуйцева, Хутуни, 2016; Koolagudi, Rao, 2012] позволяет предположить, что такая зависимость существует. Выдвинутая гипотеза определяет необходимость экспериментального анализа изменений ширины формант в зависимости от позиции звука в составе фразы (начальная - срединная - конечная) и типа ударения (нейтральное vs эмфатическое).
Методика организации и проведения эксперимента
В качестве экспериментального корпуса были использованы фразы с гласным [а], включенным в стандартный непосредственный фонетический контекст - слово "Стас". Фразы имели идентичный сегментный состав, а анализируемое слово занимало начальную, срединную и конечную фразовые позиции. В каждой позиции слово произносилось с нейтральным и эмфатическим ударением по двадцать раз, общее количество реализаций аллофона [а], использованных для анализа, составило 480 единиц. В роли дикторов выступили четверо носителей русского литературного произношения - два мужчины и две женщины в возрасте от 25 до 45 лет. Последующий аудиторский анализ, выполненный 28 непрофессиональными аудиторами, показал правильность идентификации типа ударения в 93 % случаев. В связи с поставленными задачами исследования для измерения значения ширины формант BW1, BW2, BW3 и BW4 звука [а] в слове Стас была использована программа Praat.
Полученные результаты оценивались с помощью факторного анализа.
Результаты и обсуждение
Для оценки степени дикторских различий сравнивалась ширина диапазонов формант гласного [а], произнесенного с нейтральным и эмфатическим ударением и занимающего начальную, срединную и конечную позиции во фразе. Поскольку факторный анализ показал наличие статистически значимых различий между привлеченными к эксперименту дикторами (Яао^ Я=32,81146; <Ш = 18; df2 = 1332; р = 0,00), последующий анализ был проведен отдельно для каждого из привлеченных к эксперименту информантов. Значения ширины формантных частот диктора БС представлены на рисунке 1.
В произношении диктора БС отметим, прежде всего, статистически достоверное влияние фразовой позиции на ширину первой форманты BW1 гласного [а], произнесенного с нейтральным ударением. Апостериорные сравнения показали, что ширина форманты BW1 в конечной позиции превышает соответствующие значения в начальной и срединной позициях во фразе. Что касается ширины формант BW2, BW3 и BW4, то статистически достоверных различий в их значениях в зависимости от фразовой позиции гласного выявлено не было. Анализ произнесения гласного [а] с эмфатическим ударением показал, что влияние фразовой позиции в этом случае является более выраженным, нежели в случае с нейтральным ударением. При произнесении с эмфатическим ударением позиция гласного оказывала статистически достоверное влияние на ширину диапазонов первых трех формант: для BW1 и BW3 наблюдалось расширение диапазонов формант F1 и F3 в конечной фразовой позиции, а диапазон BW2 в начале фразы был меньше соответствующих диапазонов форманты F2 в середине и конце фразы. Статистически достоверных отличий в значениях ширины диапазона BW4 в составе фразы выявлено не было. Значения F-критерия и вероятностей, использованные для оценки влияния фразовой позиции на ширину формант для двух типов ударения в речи четырех информантов, приведены в таблице; статистически достоверные отличия (р < 0,05) выделены жирным шрифтом.
Взаимодействие фактора фразовой позиции и типа ударения является статистически достоверным для диктора БС: F(8, 222) = 6,754; р = 0,0000; при этом наблюдается расширение диапазона в случае произнесения гласного с эмфатическим ударением по сравнению с нейтральным ударением во всех позициях в случае BW1 и BW2, а для BW3 - только в конечной фразовой позиции. Расширение BW4 было зафиксировано на уровне статистической тенденции (р < 0,06) в срединной фразовой позиции.
При произношении диктором ХТ анализируемого гласного с нейтральным ударением позиция слова во фразе оказывает статистически достоверное влияние на ширину всех рассматриваемых диапазонов. Представленные на рисунке 2 графики показывают, что значение ВW1 гласного [а], произнесенного с нейтральным ударением, в начале фразы статистически достоверно превышает значения середины и конца фразы, BW2 в начальной позиции шире по сравнению с конечной фразовой позицией, значение ВW3 максимально в середине фразы, а ширина BW4 максимальна в начале фразы. Обращает на себя внимание тот факт, что ширина формант BW1 и BW3 характеризуется "проседанием" в срединной фразовой позиции.
Фразовая позиция оказывает статистически достоверное влияние на ширину всех формантных диапазонов при произнесении слова с анализируемым гласным с эмфатическим ударением. При этом ширина BW1 минимальна в конечной позиции, значения BW2 и BW4 в срединной позиции статистически достоверно превышают соответствующие значения в начале и конце фразы, BW3 максимальна в конечной позиции.
Взаимодействие факторов позиции и типа ударения является статистически значимым в произношении диктора ХТ: F(8, 222) = 14,861; р = 0,0000, однако различия в изменениях формантных диапазонов можно охарактеризовать как разнонаправленные. Так, диапазон BW1 в случае произнесения гласного [а] с эмфатическим ударением сокращается в начальной фразовой позиции и увеличивается в срединной фразовой позиции по сравнению с соответствующими значениями гласного, произнесенного с нейтральным ударением. Сокращение диапазонов в случае эмфатического ударения было зафиксировано для BW2 в начальной фразовой позиции; для BW3 - в срединной; для BW4 - в конечной; в остальных случаях тип ударения не оказывал влияния на ширину диапазонов.
В произнесении диктора ПА выявлено статистически достоверное влияние фразовой позиции на ширину диапазонов гласного как в случае нейтрального, так и эмфатического ударения; соответствующие графики представлены на рисунке 3. При произнесении гласного с нейтральным ударением средние значения всех формантных диапазонов статистически достоверно минимальны в срединной позиции во фразе. В случае эмфатического ударения изменения ширины формант в различных фразовых позициях можно характеризовать как разнонаправленные. Так, наблюдается сокращение ширины формант в конечной позиции в случае BW1, BW2 и BW3, в случае BW4 минимальное значение принимает ширина форманты F4 в срединной фразовой позиции.