Artikulációs fonetikai jellemzők verifikálása kvantitatív adatokkal

Absztrakt

A tanulmány célja az artikuláció fonetikai jellemzőinek kvantitatív adatokkal történő alátámasztása, ami által lehetővé válik a vizémák (a fonémák vizuális megfelelői) alapadatainak kvantitatív meghatározása. Az eredmények bemenetét képezhetik a vizuális beszédszintézis számos elemének (pl. beszélő fej, amely a siket és nagyothalló gyermekek tanítását segíti). A méréssel kapott jellemzők révén kiterjeszthetők a már meglévő adathalmazok, és finomítható az artikuláció korábban alkalmazott dinamikus modellje. Ez a törekvés két fő adattípus egyidejű értelmezését kívánja meg: 1.) A száj alakjához kapcsolódó információk, melyek viszonylag egyszerűen vizsgálhatók normál kamerafelvételek segítségével. 2.) A nyelv pozícióját leíró paraméterek, melyek kinyerése orvosi képalkotó berendezések alkalmazását és az azokból származó jelek feldolgozását igényli. A hangok képzési helye a nyelv alakjának és helyzetének megadásával egyértelműen jellemezhető. A nyelv pozícióját magánhangzók esetében a nyelv súlypontjának, mássalhangzók esetében pedig a nyelv szájpadlástól mért távolságának segítségével becsüljük. Elemzéseinkhez dinamikus MRI-felvételeket használunk, és a hozzájuk tartozó nyelvkontúrokat automatikus algoritmusok futtatásával határozzuk meg. Analízisünk nyomán előáll egy olyan adathalmaz, amely statikusan definiálja a vizuális beszédszintézisben fontos szerepet játszó artikulációs kulcskereteket (tisztán az adott beszédhanghoz tartozó nyelvállást rögzítő, a hangátmenetek sajátságait nélkülöző keretek). Eredményeinket a már létező, magyar transzparens beszélő fej fejlesztésére alkalmazzuk egy a dinamikus paraméterek részletesebb felderítésére irányuló pontosabb modell kialakításával. Ez magában foglalja az artikulációs jellemzők időbeli követését, illetve a kulcskeretek közötti interpoláció megvalósítását, ami a koartikulációs hatások leírását szolgálja.