O DEFINISANJU KRAJA IZGOVORENE REČI

Zorka Kašić 1, Slobodan Jovičić 2, Miodrag Đorđević 2 1 Fakultet za specijalnu edukaciju i rehabilitaciju, Beograd

2 Elektrotehnički fakultet, Beograd Sadržaj – U radu se iznose preliminarni rezultati istraživanja specifične akustičke strukture segmenata na kraju izgovorene reči, odnosno raspravlja se o akustičkoj strukturi segmenata na apsolutnom kraju iskaza u kontinuiranom govoru. Takođe se iznose problemi segmentacije koji se u govornim tehnologijama javljaju u određivanju kraja izgovorene reči. 1. UVOD

Prilikom analize segmenata u govornom izrazu sa bilo kog od fonetskih aspekata - artikulacionog, akustičkog ili auditivnog, nužno je imati na umu fonetsku poziciju u kojoj je segment produkovan. Fonetske pozicije se, naročito u dijahronoj fonetici, dele na jake i slabe. Ova podela je proistekla iz uočavanja pojava vezanih za promene u artikulacionim bazama pojedinačnih jezika, koje su se najčešće dešavale u fonetski slabim pozicijama [1].

Tipične fonetske pozicije, koje bitno utiču na akustički kvalitet segmenata i na percepciju toga kvaliteta su: inicijalna, medijalna, pozicija u akcentovanom slogu i finalna. Inicijalna (početna) pozicija je superiorna jer se, zbog „čvrste“ artikulacije u početku produkcije, u njoj realizuju autentične karakteristike glasa; ovu poziciju čini jakom i činjenica da u njoj ne postoje početne nego samo završne tranzicije. Pored inicijalne, i za medijalnu se poziciju može reći da je fonetski jaka, jer, i pored toga što glas u ovoj poziciji ima i početne i završne tranzicije, u njegovom inherentnom (nepromenjivom) delu čuvaju se tipične karakteristike akustičkih parametara. Fonetski najjača pozicija je u slogu u kome se realizuje slogovni akcenat, jer slogovni akcenat upravo podrazumeva posebno istaknute sve akustičke parametre.

Apsolutni kraj iskaza u kome se produkuje segment ispred disajne pauze je fonetski slaba pozicija. Ovu poziciju u prirodnom (i spontanom i čitanom govoru) karakteriše neutralizovanje svih osobina akustičkog kvaliteta glasova, odnosno izmena svih akustičkih parametara u odnosu na glasove u fonetski jakim pozicijama. „Labava“ artikulacija poslednjeg segmenta uzrokuje u izvesnoj meri obezvučavanje svih zvučnih konsonanata (u nekim dijalektima štokavskog narečja postoji potpuno obezvučavanje konsonanata na apsolutnom kraju iskaza), a u izvesnoj meri i delimično obezvučavanje vokala. Intenzitet glasa na kraju je niži u odnosu na glasove u drugim pozicijama, a vremenska dimenzija je takođe netipična – od izrazitog skraćivanja do produžavanja koje vodi u izobličavanje [2].

U obradi govornog signala, za potrebe raznih rešenja u govornim tehnologijama, pitanje određivanja kraja reči, bilo da je reč o izolovano izgovorenoj reči ili o finalnoj reči u nekoj od izgovornih celina, jeste veoma značajno ali i

kompleksno pitanje [3]. Ovaj rad je posvećen pitanjima segmentacije kraja reči i pokušaće da postavi okvire daljih istraživanja i modeliranja sa fonetskog, akustičkog i artikulacionog aspekta. 2. ŠTA JE KRAJ REČI?

Pošto je u nazivu ovoga rada naveden kraj izgovorene reči treba razjasniti šta se podrazumeva pod tim terminom. Priroda spontanog kontinuiranog prirodnog govornog izraza uslovljava pojavu dve bitno različite vrste kraja izgovorene reči. Kraj izgovorene reči u kontinuiranom govoru ne mora biti u fonetski slaboj poziciji, naime sve izgovorene reči u fonetskoj frazi, sem poslednje, koja se nalazi ispred disajne pauze, nalaze se u medijalnoj poziciji. Teškoće egzaktne segmentacije kraja reči u medijalnoj poziciji nastaju zbog tranzicija prema početnom glasu naredne reči i zbog drugih tipova varijabilnosti. Teškoće egzaktnog određivanja kraja reči ispred disajne pauze su drugoga tipa; njih uslovljava fonetski slaba pozicija izazvana labavom artikulacijom, odnosno relaksacijom artikulatora. Dakle, varijabilnost akustičkih parametara u prirodnom govornom izrazu koja mnogostruko obogaćuje ljudsku komunikaciju, i koja govorni izraz čini nezamenjivim, može u govornim tehnologijama izazvati višestruke probleme.

Da bi se načelno definisale dve tipične vrste kraja izgovorene reči, formiran je ograničeni govorni korpus od 11 sintagmi (fraza) koje su se sastojale od dve akcentovane punoznačne reči u uobičajenoj semantičkoj vezi, kako bi izgovor bio što prirodniji i bliži spontanom govoru.. To su sledeće sintagme: lepo vreme, visoka kamata, beli telefon, stari bokal, dobar motor, naš Beograd, veliki oblak, plavi ladolež, izgubljeni kompas, dobar imidž, poznati trubač. Pošto nas je ovom prilikom posebno zanimala određivanje kraja reči ispred disajne pauze, izbor druge reči u sintagmi bio je takav da se ona završava jednim od glasova iz relevantnih klasifikacionih grupa prema kriterijumu načina artikulacije (vokali, sonanti, plozivi-zvučni i bezvučni, frikativi-zvučni i bezvučni, afrikati –zvučni i bezvučni). Da bi se načelno uočila tipičnost akustičke strukture segmenata na kraju izgovorene reči, analiziran je izgovor odraslih izvornih govornika srpskog jezika sa korektnom, čvrstom artikulacijom, u čijem govoru nema nikakvih patoloških niti bitnih regionalnih odstupanja. 3. FINALNI VOKALI

Zbog principa distribucije slogova u artikulacionoj bazi srpskog jezika a prema prozodijskom kriterijumu, na kraju reči javlja se samo neakcentovan slog (dugi i kratki) [4]. Pored toga, najveći broj reči se završava otvorenim slogom, odnosno vokalom.

Zbornik radova 50. Konferencije za ETRAN, Beograd, 6-8. juna 2006, tom II Proc. 50th ETRAN Conference, Belgrade, June 6-8, 2006, Vol. II

462

U ovom preliminarnom istraživanju uočeno je da na kraju reči može doći do nekoliko tipova izobličavanja. Sasvim je uobičajeno da se vokal na kraju reči, ispred disajne pauze potpuno obezvuči, odnosno da se artikuliše bez učešća glasnica, slika 1. Na slici 2 su prikazani tipični primeri potpuno ozvučenog (/a/ na kraju reči /kamata/) i delimično

obezvučenog finalnog vokala (/e/ na kraju reči /vreme/). I pored obezvučavanja u velikoj meri se čuvaju karakteristike I i II formanta, naročito njihov raspon. Intenzitetske karakteristike vokala u ovoj poziciji su snižene u odnosu na vokale u fonetski jakim pozicijama.

Sl. 1 Sintagma „visoka kamata“ sa obezvučenim vokalom /a/ na kraju.

a) b)

Sl. 2 a) Ozvučen vokal /a/ na kraju reči /kamata/ i b) delimično ozvučen vokal /e/ na kraju reči /vreme/.

Najveće izobličavanje uočava se u domenu trajanja

finalnog vokala, što je česta pojava kod govornika sa individualno umerenim i sporijim tempom. Kod individualno brzih govornika može doći do izrazitog skraćivanja (ređa pojava).

Sl. 3 „Izgovorni nabori“ na kraju vokala.

U toku produženog trajanja vokala uočavaju se dva dela, prvi jasno uočljiv deo tzv. „jezgro vokala“ i drugi deo u kome se postepeno gube intenzitetske i formantne karakteristike. U slučajevima pojavljivanja drugog dela mogu se pojaviti jedan ili više „izgovornih nabora“ koji su odvojeni od jezgra vokala kraćom i blagom pauzom, slika 3.

Navedene manifestacije u govornom signalu i spektrogramu su direktna posledica artikulacije, a tumačenje ove pojave se može tražiti u psiho-motornoj kontroli artikulatora, jezičkoj ekonomičnosti ali i ekstralingvističkoj informaciji koja signalizira kraj iskaza. Činjenica je da fonetsku informaciju nosi „jezgro vokala“, kao i da fonetska informacija nije primarno obeležje finalnog dela vokala. Naznačena varijabilnost ukazuje na činjenicu da ovoj temi treba posvetiti dalja šira i produbljenija teorijska istraživanja (na bazi akustičkog modelovanja kompletnog govornog mehanizma), ali je očigledno da se segmentacija ne može vršiti na osnovu zvučnosti ni pada opšteg intenziteta. Izvesno je da tačku segmentacije kraja reči ispred disajne pauze predstavlja na spektrogramu vidljivi nestanak (pad) najintenzivnijeg vokalskog formanta, kao inherentnog obeležja datog vokala. 4. FINALNI SONANTI

U slučajevima kada se u završnom perifernom delu sloga na kraju reči ispred disajne pauze nalazi sonant (nazal, lateral ili vibrant), uočljivo je nekoliko pojava. Postoji vidljiva tendencija obezvučavanja sonanta, slika 4, što je posebno karakteristično za vibrant koji često može biti potpuno obezvučen, slika 5. Sonantska formantna struktura nazala i laterala je očuvana i jasno je uočljiva granica prestanka laringealnih vibracija. Takođe, jasno se diferencira finalni deo ovih glasova od prestanka laringealnih vibracija do uklanjanja pregrade u oralnom rezonatoru. Kao i kod finalnih

463

vokala i kod finalnih laterala i nazala je uočljiv neznatan pad opšteg intenziteta.

Kod vibranta, ako je potpuno obezvučen, zadržani su šumni koncentrati na mestu formanata koji se u završnoj fazi produžavaju u neutralni vokal /ə/, koji je takođe potpuno obezvučen (elementi neutralnog vokala srednjeg reda čine autentičan elemenat ovoga glasa [4], ali ne nose fonetsko značenje).

Dakle ni prilikom segmentacije sonanata na apsolutnom kraju reči ne može se polaziti od kriterijuma zvučnosti i opšteg intenziteta. Prilikom utvrđivanja tačke segmentacije sonanata na kraju reči kod laterala i nazala treba uzimati u obzir pad najintenzivnijeg formanta, ali i pad koncentrata šuma koji nastaje u trenutku otklanjanja delimične prepreke u oralnom rezonatoru. Prilikom utvrđivanja granice segmentacije finalnog vibranta treba uzimati u obzir pad intenziteta najizrazitijeg formanta u strukturi vibranta, a ako je vibrant potpuno obezvučen treba uzeti u obzir i njegovo prirodno trajanje; u svakom slučaju treba odbaciti strukturu neutralnog vokala /ə/.

a) b)

Sl. 4 a) Lateral /l/ na kraju reči /bokal/, b) nazal /n/ na kraju reči /telefon/.

Sl. 5 Vibrant /r/ na kraju reči /motor/.

5. FINALNI KONSONANTI

5.1. Zvučni konsonanti

Kod zvučnih konsonanata (ploziv, frikativ, afrikat) uočava se takođe nekoliko pojava promene akustičke strukture produkovane na kraju izgovorene reči. U svim analiziranim slučajevima došlo je do potpunog

obezvučavanja. Takođe je u svim slučajevima uočeno produženo trajanje u odnosu na trajanje glasova iz istih klasifikacionih grupa u fonetski jakim pozicijama. Kod ploziva je produžena okluzija, koja je potpuno obezvučena, a pored tipičnog eksplozivnog šuma pojavljuje se u krajnje finalnoj poziciji obezvučeni neutralni vokal /ə/, slika 6. Granica je postavljena između eksplozivnog šuma, kao inherentne karakteristike ploziva, i neutralnog vokala, koji ne nosi fonetsko značenje.

Kod zvučnog frikativa zvučnosti uopšte nema, slika 7a, produženo je trajanje koncentrata šuma a granicu definiše asimptotski pad pozitivne i negativne amplitudske anvelope signala. Slično se uočava i kod zvučnog afrikata, slika 7b.

Sl. 6 Zvučni ploziv /d/ na kraju reči /Beograd/.

a) b)

Sl. 7 a) Zvučni frikativ /ž/ na kraju reči /ladolež/, b) žvučni afrikat /dž/ na kraju reči /imidž/.

Prilikom utvrđivanja segmentacije kraja reči koja se završava zvučnim frikativom ili afrikatom, treba tražiti tačku izrazitog pada intenziteta koncentrata šuma, dok se kod ploziva granica postavlja između eksplozivnog šuma ploziva i neutralnog vokala /ə/ (koji se najčešće pojavljuje iza finalnog zvučnog ploziva).

5.2. Bezvučni konsonanti

U primerima u kojima se reč ispred disajne pauze završavala bezvučnim konsonantom (ploziv, frikativ, afrikat), takođe se uočava specifično izobličavanje akustičke strukture. Zadnjonepčani bezvučni ploziv je izrazito produžen (na slici 8 prikazan je veći deo sintagme veliki oblak, gde se mogu uporediti trajanja eksplozivnih i aspirativnih segmenata prvog i finalnog ploziva /k/).

464

I frikativi i afrikati su izrazito produženi do izobličenja, slika 9. Zanimljivo je da intenzitetske karakteristike finalnog šuma kod bezvučnih glasova nisu značajno snižene u odnosu na glasove iz iste klasifikacione grupe u fonetski jakim pozicijama. Postavlja se pitanje da li ovako izobličenu akustičku strukturu treba u celini pridružiti reči prilikom određivanja kraja reči prilikom segmentacije. Pošto se razmatra normalan a ne patološki izgovor za kraj reči treba odrediti tačku u kojoj je izrazit pad intenziteta najizrazitijeg koncentrata šuma kod bezvučnih konsonanata. Isti stav se odnosi i na aspirativan završetak bezvučnog ploziva.

Sl. 8 Bezvučni ploziv /k/ na kraju reči /oblak/.

Sl. 9 a) Bezvučni frikativ /s/ na kraju reči /kompas/,

b) bezvučni afrikat /č/ na kraju reči /trubač/. 6. ZAKLJUČAK

Na osnovu rezultata inicijalnih istraživanja mogu se izvesti određeni preliminarni zaključci, koji su za srpski jezik u znatnoj saglasnosti sa drugim jezicima [5, 6].

1. Prilikom segmentacije kraja reči za potrebe govornih tehnologija treba primenjivati dva principa segmentacije; princip segmentacije finalnih glasova u kontinuiranom govoru kada se reč ne produkuje na apsolutnom kraju iskaza i princip segmentacije finalne pozicije ispred disajne pauze u uslovima relaksacije artikulatora.

2. Finalna pozicija fonetske fraze u prirodnom govoru otvara više pitanja. Na primer: da li se obezvučene šumne strukture u ovoj poziciji mogu smatrati vokalima, da li se koncentrati šuma koji su produženi do izobličenja mogu smatrati konsonantima, da li „parazitski“ finalni obezvučeni neutralni vokal /ə/ pripada finalnom konsonantu i slično.

3. Tačke segmentacije finalnog glasa ispred disajne pauze treba utvrđivati posebno za klasifikacione grupe glasova prema kriterijumu načina artikulacije: - kraj finalnog vokala ispred disajne pauze na

spektrogramu predstavlja vidljiv nestanak (pad) najintenzivnijeg vokalskog formanta;

- kraj finalnog laterala i nazala treba utvrđivati na osnovu pada najintenzivnijeg sonantskog formanta, ali i na osnovu pada intenziteta koncentrata šuma koji nastaje u trenutku otklanjanja delimične prepreke u oralnom rezonatoru;

- kraj finalnog vibranta čini tačka na spektrogramu u kojoj je vidljiv pad intenziteta najizrazitijeg formanta vibranta, neutralni vokal /ə/ se odbacuje;

- kraj zvučnih frikativa i afrikata čini tačka izrazitog pada intenziteta koncentrata šuma, dok se kraj finalnog zvučnog ploziva određuje na isti način kao i kraj vibranta;

- kraj bezvučnih konsonanata čini tačka na kojoj počinje jasan pad intenziteta najizrazitijeg koncentrata šuma.

Na kraju treba naglasiti da su u ovom radu obrađeni tipični primeri finalnih glasova koji su obezvučeni prirodnom relaksacijom artikulatora. Ostaje čitav niz drugih situacija kada finalni glasovi nisu obezvučeni, kada se iza finalnog glasa pojavljuje neutralni vokal /ə/, itd. Dalja, šira i dublja istraživanja će obuhvatiti teorijska fonetsko-artikulatorna tumačenja na bazi akustičkog modelovanja fiziologije kompletnog govornog mehanizma.

Napomena: Ovaj rad je delimično finansiralo Ministarstvo za nauku i zaštitu životne sredine u okviru projekata 148028G i TP–6134B.

LITERATURA [1] R. Bošković, Osnovi uporedne gramatike slovenskih

jezika I, Naučna knjiga, Beograd, 1968. [2] Z. Kašić, Promene glasova uslovljene ritamsko-

intonacionom organizacijom govora, Beogradska defektološka škola, br. 1, Beograd, str. 77-82, 1997.

[3] Z. Kašić, S.T. Jovičić, M. Ivanović, Problemi segmenta-cije glasova u prirodnom kontinuiranom govoru, Zbornik radova, DOGS 2004, Sombor, Fakultet tehničkih nauka, Novi Sad, str.37-40, 2004.

[4] Z. Kašić, Segmentna i suprasegmentna organizovanost govora, u knjizi: S. Golubović, Z. Kašić: Segmentna i suprasegmentna organizovanost govora i poremećaji fluentnosti, Društvo defektologa Jugoslavije, Beograd, str. 9-62, 2000.

[5] P. Keating et al., A manual for phonetic transcription: segmentation and labeling of words in spontaneous speech, UCLA Working Papers in Phonetics 88, pp. 91-120, 1994.

[6] T. Elbogen, Convention for segmentation, BAS Infra-strukturen zur Technischen Sprachverarbeitung (BITS) Teilprojekt 8 (Doku 8/5e), 2005.

Abstract – This work presents the preliminary results of the specific acoustic structure of segments at the end of a pronounced word and also presents poblems of pronounced word end segmentation in speech technologies.

ABOUT DEFINING THE END OF THE PRONOUNCED WORD

Zorka Kašić, Slobodan Jovičić, Miodrag Đorđević

465