زهرا محمودزاده

برای بهبود بازشناسیِ خودکارِ تمایزهای واجی، می توان از سرنخ های درکی که شنوندگان برای بازشناسی طبیعی، آن ها را در موقعیت های نامطلوب شنیداری مانند گفتار تلفنی یا نوفه محیط به کار می برند، استفاده نمود. در این پژوهش، برای یافتن سرنخ های درکیِ مؤثر در بازشناسیِ طبیعیِ تمایز خیشومی-انسدادی در جفت رقم های «دو-نه» [do]-[noh] در شرایطِ نامطلوب گفتارِ تلفنی، از آزمون های درکی استفاده شد. بررسی سیگنال آکوستیکیِ [no] نشان می دهد که سرنخ های گذر واکه ای و زمزمه خیشومی، تحتِ تأثیر عوامل مختلفِ اختلالِ سیگنال قرار گرفته، از جنبه آکوستیکی کاهش پیدا می کنند و سبب ابهام در درک خیشومی [n] می شوند. در شرایط مطلوب شنیداری، دقت بازشناسی طبیعی [n] بر اساس تنها پارامتر زمزمه خیشومی، درحدود 40 درصد است. اما با افزودن 10 میلی ثانیه از ابتدای گذرهای واکه ای به آن، دقت بازشناسی به 96 درصد افزایش می یابد. در گفتار تلفنی، دقت بازشناسیِ طبیعی براساس زمزمه خیشومی 29 درصد و براساس هر دو پارامتر، فقط 48 درصد است. به نظر می رسد عدمِ قطعیت و ابهامِ واژگانی شنونده، به دلیل حذف یا کاهش اطلاعات آوایی در شرایط نامطلوب شنیداری از یک سو و گرایش درکی شنونده به سمت همخوان بی نشان [d] از سوی دیگر منجر به کاهش بازشناسی خیشومی [n] شده است. براساس یافته های پژوهش، پارامتر آکوستیکی زمزمه خیشومی، نقش مؤثری در بازشناسیِ طبیعیِ خیشومی در شرایط مطلوب یا نامطلوب شنیداری ندارد و فقط با افزودن اطلاعاتِ گذر های سازه ای است که بازشناسی به طور معناداری افزایش می یابد. بنابراین، برای بازشناسی خودکار این واژه ها، لازم است اطلاعات زمانی و طیفی واکه های مجاور و گذرهای آن ها به کار گرفته شود.  

کاهش از جمله فرایندهای آوایی است که برای سیستم های بازشناسی گفتار یک چالش محسوب می شود. ازجمله این موارد، کاهش ارقام تلفنی مانند ""دو-نه""، ""هفت-هشت"" و ""سه-صفر"" است. تجزیه و تحلیل آوایی سیگنال های تلفنی /sefr/-/se/ نشان می دهد که هر چند با حذف /r/ تمایز [sef]-[se] کاهش می یابد اما سرنخ های آکوستیکی باقی مانده در واکه /e/ ، همانند دیرش واکه و بسامد کانونی سازه های F2 و F3 ، تقابل واجی فوق را انتقال می دهند. استفاده از این سرنخ های آکوستیکی در بازشناسی گفتار، می تواند به بازیابی صورت های کاهش یافته کمک کند.

تجزیه و تحلیلِ صوت شناختیِ فرایندِ سایشی شدگیِ[1] همخوان های انسایشی در گفتارِ پیوستة[2] فارسی نشان می دهد که سایشی شدگیِ انسایشی های فارسی مبتنی بر جوازدهیِ سرنخی[3] (استریادی[4]، 1997 و 2001؛ فلمینگ[5] 2002) و نه جوازدهیِ نواییِ[6] گفتار (نسپر[7] [P1] و فوگل[P2] [M3] [8]، 1986) است. فارسی زبانان مهم ترین هم بستة ادراکی[9] همخوان های انسایشی، یعنی دیرشِ سکوت[10]، را در توالی انسایشی- انسدادی به دلیلِ هزینه و کوششِ بالای تولیدی، بر روی موجِ صوتیِ گفتار پیاده نمی کنند. پنج گویشور مرد، بین سنین 20 تا 30 سال، همخوان های انسایشی /ʧ/ و /ʤ/ را قبل از انسدادی های لبی /p, b/، دندانی /t, d/ و کامی /k, g/ سه بار تکرار کردند و درنتیجه 720 نمونة آوایی به دست آمد. سبکِ گفتار، فارسیِ غیررسمیِ محاوره ای است که در شهر تهران به آن صحبت می شود. تجزیه و تحلیلِ آکوستیکیِ داده ها نشان می دهد که در نمونه های انسایشیِ فاقدِ بست، خنثی شدگیِ مقوله ایِ[11] انسایشی به سایشی روی داده است و در نمونه هایی که بستِ انسایشی به طورِ ناقص تولید شده است، کاهشِ مدرجِ[12] سرنخ های صوت شناختی[13]، منجربه سایشی شدگیِ آوایی شده است، در این نمونه ها، تمایز واجیِ مقوله های انسایشی- سایشی حفظ شده است.