합성한 한국어 단모음의 지각실험 연구
(A perceptual study of Korean monophthongs synthesized)
양 병 곤
동의대학교 인문대학 영어영문학과 조교수
1. 서론
오늘날 정보사회의 발달과 더불어 인간과 기계와의 연계에 관한 연구가 상당히 진척되었다. 특히, 인간과 기계와의 통신의 필요성이 부각되면서, 구미 각국에서는 벌써 인간의 발성을 받아들여, 통역하는 음성 인식과 합성기술의 결정체인 장비를 이미 개발했으며, 지금은 이들 기기를 보다 정확하고 광범위하게 활용하려는 연구에 박차를 가하고 있다. 하지만 한국어에 관한 음성분석과 합성에 대한 연구는 기초적인 자료도 축적이 되어있지못하고 또한,정밀한 합성기를 통하여 합성한 음성에 대한 지각적인 실험연구는 별로 없는 실정이다.
현재 국내의 상용화된 합성기로는 '가라사대'나 Macintosh의 'HSpeaker'등이 있는데 이들이 사용하는 모음 합성은 주로 반음절이나 온음절을 그저 연결시켜서 발성하게 하므로써 기계적인 합성음의 수준에 불과하다. 따라서, 합성된 음은 기계적인 음으로서 이용자에게 거부감을 주게되며, 자연스러운 음으로 조절하는데는 한계가 있다. 국외의 합성 및 지각실험 동향은 Gay(1970), Bond(1982) 등의 선행연구가 있으나 이들의 합성 방법은 Pattern Playback이나, Rockland Digital Speech Synthesizer를 사용했는데, 주로 제 1,2,3 포먼트을 사용하고 고주파부분의 포먼트은 거의 무시함으로써, 자연스런 변화폭이나 기타 변수의 조절에 대한 언급이 없다. 따라서, 이들의 결과가 연구하고자 하는 부분에 대한 청취자의 판단이라기 보다는 오히려 낮은 수준의 합성음에서 나오는 기타요소의 개입이 판단에 영향을 미쳤으리라 추정된다.
기존의 한국어 합성과 인식기 개발에 상당한 투자를 하고 있음에도 괄목할 만한 성과가 나오지 않는 것은 바로 한국어에 대한 음성학적 지식이 부족한 상태에서 행한 실험에서 나온 정확치 못한 파라메터를 사용하는데서 비롯된다고 여겨진다. 특히 지각적인 실험결과를 반영하지 않고 물리적인 단위에만 매달려 해결책을 찾는데서 문제가 있을 수도 있다. 다시 말해서, 주관적인 사람의 청각기관은 기계와 같이 정확하게 물리적인 음성의 차이를 감지하지 않는 것이다. 결국, 지각 경계선에 대한 연구 결과가 있으면 이러한 시행착오 과정을 상당히 줄일 수 있을 것이다.
본 연구의 목적은 건강하고 정상적인 청력을 가진 음성학자가 발성한 여섯개의 한국어 단모음의 포먼트 및 기본주파수, 진폭, 지속시간 등 네가지 매개변수를 음향학적으로 정밀 분석한 뒤, 이들 파라메터를 이용하여 원음과 최대한 가까이 음성을 합성한다. 합성된 음의 파라메터중 제 1,2,3 포먼트를 임의의 간격으로 변화시켜서 정상적인 청력을 가진 음성학자에게 들려 주어 지각실험을 행하여, 자연스럽게 합성된 단모음으로 판단하는 기점은 어디인가를 밝힘으로써, 앞으로 단모음의 합성은 물론 자모음결합에 의한 후속적인 합성 연구에 대한 지각적인 실험의 중요한 기초자료와 연구방법론을 제시함으로써 보다 많은 지각실험 연구를 유도한다. 또한, 음성인식에 대한 인식 경계선에 대한 자료를 제시함으로써 이를 활용한 음성합성 및 음성자동 인식장치 개발에 기여하고자 한다.
2. 음성 합성기
음성합성기는 원음의 생성을 담당하는 성대와 이를 걸러서 원하는 소리로 만드는 공명기인 성도로 이뤄진 인간의 발화 생성 장치를 모델 (Fant, 1970) 로 음성을 생성한다. 초기에는 조음기관을 직접 모델로 하여 음성을 합성하는 조음합성기 (articulatory synthesizer) 가 쓰였다. 조음합성기에 사용하는 파라메터는 x-선 촬영과 직접 눈으로 본 것에서 나온 조음기관의 모양과 위치이다. 다시 말해서, 주로 혀나 입술 등의 움직임을 측정하여 성도의 모양을 추정하고 이 값을 이용하여 합성기에 응용하였다. 그러나 조음적인 합성은 사람의 발성에 대한 이해를 상당히 도왔지만, 여전히 불충분한 지식때문에 발전에 어려움이 있다. 예를 들어, x-선 촬영은 성도의 측면만을 보여주고 입체적인 변화는 포착하기 어렵다. 비록 음향적인 특징은 횡단면과 성도의 길이만으로 어느 정도 조사해 낼 수 있지만 여전히 불완전한 정보임에는 틀림없다. 또한 폐에서 나오는 공기의 흐름, 성대의 길이와 긴장도, 성도의 모양이나 조음기관의 움직임 등에 대한 세부적인 내용을 모두 이해해야만 한다.
이어서 1950년대의 문양재생기 (pattern playback)가 나오면서 음성의 변화를 전기적인 조절로 모방하게 되었다. 이것은 투명한 벨트 위에 붓으로 인광물질을 사용하여 포먼트의 궤적을 그려나간 뒤 이를 스펙트로그램 생성의 반대과정으로 처리하여 음을 합성해내는 방법이다. 이를 통해 음성에 대해 상당히 이해하게 되었다. 특히 음향적인 변화와 지각적인 변화 사이에는 상당한 차이가 있음을 밝혀낸 점에서 중요한 연구결과를 도출했다.
1960년대에 들어와서는 디지탈 컴퓨터의 등장으로 이러한 단순한 포먼트의 궤적을 그리는 대신에 보다 섬세하고 정확한 음성합성기로서 포먼트 합성기가 나왔는데 포먼트 합성기는 유성음 생성용 전자음 생성기 (electrical buzz generator)와 무성음을 위한 소음 재생기 (hiss generator)로 되어 있고 성도의 포먼트를 모방하기 위해 서너개의 전기공명회로를 갖추고 있다. 이런 공명회로는 직렬로 연결하거나 병렬로 연결할 수 있도록 되어있다. 직렬합성기 (cascade synthesizer) 는 공명음대의 진폭이 자동 조절되므로 모음의 합성에 적합하다. 그러나 자음과 비음화된 모음은 병렬합성기 (parallel synthesizer)로 모방하는데 사용된다. 현재의 포먼트 방식에 의한 합성기는 60여 가지에 해당하는 다양하고 복잡한 파라메터를 조절하여 원음에 거의 가까울 정도로 합성할 수 있도록 되어 있다. 특히, 이들 파라메터를 독립적으로 조절할 수 있으므로 여러가지 변화를 통한 정밀한 음성 합성 및 지각 실험에 적합하다. 실제, 포먼트방식에 의한 합성기를 사용했을 때, 거의 자연음과 구분할 수 없을 정도로 정밀한 합성이 가능하다는 연구결과가 나와있다 (Holmes, 1973).
3. 음성 분석 및 합성
본 연구에서는 건강하고 정상적인 청력을 가진 음성학자가 느린 속도로 세번씩 발음한 여섯 개의 단모음 (아, 이, 우, 에, 오, 어)를 사용했다.세번 가운데 변화가 많은 녹음 시작부와 끝부분은 제외하고 중간부분의 음성을 주로 분석에 활용했다. 음성 분석, 합성, 지각 실험의 모든 과정은 다음 그림 1과 같다.
그림 1. 음성 분석, 합성, 지각실험 과정
음성 입력은 Macintosh의 Signalyze 2.45에 MacRecorder용 Digitizer를 사용하여 22 kHz 표본속도로 양자화하여 입력시켰다. 입력된 신호에서 기본주파수의 분석은 자기상관법 (autocorrelation)에 의하여 수집했다. 수집 간격은 마우스를 이용하여 음절의 총지속시간 (Total Time:TT)을 구한 뒤 이를 다음 공식 1)에 의하여 적어도 80 개 이상의 기본주파수값을 구할 수 있도록 했다.
공식 1) 기본주파수 수집 간격 (msec) = (5 X TT) /400
공식 1)에서 400은 합성기에 들어갈 총 지속시간이며 5는 합성기의 파라메터 생성 간격이다. 이렇게 구한 수집 간격은 약 5Ҍ10 msec 마다 하나의 값을 취한 것이 된다. 또한 기본주파수의 범위를 100Ҍ200 Hz 범위로 제한하여 수집하였으며 이 때 범위를 벗어난 극단치는 파형을 확대하여 음파의 각 성대 떨림사이의 시간을 측정하여 수정했다. 이렇게 수집된 자료를 텍스트 화일로 저장했다. 이 화일을 워드프로세서로 읽어서 앞뒤에 생성된 무한값을 제거한 뒤 80여개의 값을 그림 2와 같이 Hypertalk로 만든 기본주파수 및 진폭입력 프로그램에 입력하고, 거기에 덧붙여, Signalyze에서 분석하여 생성한 각 모음의 진폭윤곽 (envelope) 을 옮겨와서 커서로 궤적을 따라가면서 자동으로 진폭을 입력하도록 했다.
그림 2. 기본주파수 및 진폭입력 프로그램의 예
이렇게 완성된 자료의 윗부분에 Klatt합성기의 표1과 같이 기본값을 더하여 이를 SaveText메뉴를 사용하여 하드디스크에 텍스트 화일로 저장했다. 다음으로는 Klatt & Klatt (1990) 의 포먼트합성방식을 채택한 Macintosh용 합성소프트웨어인 SenSyn 1.0으로 열어서 기본주파수와 진폭에 대한 화일을 자동으로 입력하고, 동시에 Signalyze에서 분석한 네 개의 포먼트 값을 일일이 입력했다. 각 모음의 포먼트 값은 Signalyze를 이용해 해당 모음의 스펙트로그램을 생성하여 모음의 포먼트 위치를 확인한 뒤 안정된 부분에 해당하는 총 지속시간의 1/3 지점에서 120 Hz 대역의 스펙트럼을 생성하여 구했다. 이때, 이 시점의 좌우의 스펙트럼을 분석시켜서 동시에 한 화면에 나타내어 정밀한 값을 구했다. 표 1은 이렇게 생성한 모음 [이]의 실제 합성하기 직전의 화일의 예이다.
표 1. 모음 [이]의 합성용 화일의 예
Synthesis specification for file: 'i.par'
SenSyn Version 1.0
Total number of waveform samples = 8000
CURRENT CONFIGURATION:
60 parameters
SYM V/C MIN VAL MAX DESCRIPTION
----------------------------------------------------------------------
DU C 30 400 5000 Duration of the utterance, in msec
UI C 1 5 20 Update interval for parameter reset, in msec
SR C 5000 20000 20000 Output sampling rate, in samples/sec
NF C 1 6 6 Number of formants in cascade branch
SS C 1 2 3 Source switch (1=impulse, 2=natural, 3=LF model)
RS C 1 8 8191 Random seed (initial value of random # generator)
SB C 0 1 1 Same noise burst, reset RS if AF=AH=0, 0=no,1=yes
CP C 0 0 1 0=Cascade, 1=Parallel tract excitation by AV
OS C 0 0 20 Output selector (0=normal,1=voicing source,...)
GV C 0 60 80 Overall gain scale factor for AV, in dB
GH C 0 60 80 Overall gain scale factor for AH, in dB
GF C 0 60 80 Overall gain scale factor for AF, in dB
F0 V 0 1000 5000 Fundamental frequency, in tenths of a Hz
AV V 0 60 80 Amplitude of voicing, in dB
OQ v 10 50 99 Open quotient (voicing open-time/period), in %
SQ v 100 200 500 Speed quotient (rise/fall time, LF model), in %
TL v 0 0 41 Extra tilt of voicing spectrum, dB down @ 3 kHz
FL v 0 0 100 Flutter (random fluct in f0), in % of maximum
DI v 0 0 100 Diplophonia (alt periods closer), in % of max
AH v 0 0 80 Amplitude of aspiration, in dB
AF v 0 0 80 Amplitude of frication, in dB
F1 v 180 330 1300 Frequency of 1st formant, in Hz
B1 v 30 150 1000 Bandwidth of 1st formant, in Hz
DF1 v 0 0 100 Change in F1 during open portion of period, in Hz
DB1 v 0 0 400 Change in B1 during open portion of period, in Hz
F2 v 550 2520 3000 Frequency of 2nd formant, in Hz
B2 v 40 70 1000 Bandwidth of 2nd formant, in Hz
F3 v 1200 3230 4800 Frequency of 3rd formant, in Hz
B3 v 60 80 1000 Bandwidth of 3rd formant, in Hz
F4 v 2400 3600 4990 Frequency of 4th formant, in Hz
B4 v 100 100 1000 Bandwidth of 4th formant, in Hz
F5 v 3000 4500 4990 Frequency of 5th formant, in Hz
B5 v 100 200 1500 Bandwidth of 5th formant, in Hz
F6 v 3000 4990 4990 Frequency of 6th formant, in Hz (applies if NF=6)
B6 v 100 500 4000 Bandwidth of 6th formant, in Hz (applies if NF=6)
FNP v 180 280 500 Frequency of nasal pole, in Hz
BNP v 40 900 1000 Bandwidth of nasal pole, in Hz
FNZ v 180 280 800 Frequency of nasal zero, in Hz
BNZ v 40 900 1000 Bandwidth of nasal zero, in Hz
FTP v 300 2150 3000 Frequency of tracheal pole, in Hz
BTP v 40 900 1000 Bandwidth of tracheal pole, in Hz
FTZ v 300 2150 3000 Frequency of tracheal zero, in Hz
BTZ v 40 900 2000 Bandwidth of tracheal zero, in Hz
A2F v 0 0 80 Amp of fric-excited parallel 2nd formant, in dB
A3F v 0 0 80 Amp of fric-excited parallel 3rd formant, in dB
A4F v 0 0 80 Amp of fric-excited parallel 4th formant, in dB
A5F v 0 0 80 Amp of fric-excited parallel 5th formant, in dB
A6F v 0 0 80 Amp of fric-excited parallel 6th formant, in dB
AB v 0 0 80 Amp of fric-excited parallel bypass path, in dB
B2F v 40 250 1000 Bw of fric-excited parallel 2nd formant, in Hz
B3F v 60 300 1000 Bw of fric-excited parallel 3rd formant, in Hz
B4F v 100 320 1000 Bw of fric-excited parallel 4th formant, in Hz
B5F v 100 360 1500 Bw of fric-excited parallel 5th formant, in Hz
B6F v 100 1500 4000 Bw of fric-excited parallel 6th formant, in Hz
ANV v 0 0 80 Amp of voice-excited parallel nasal form., in dB
A1V v 0 60 80 Amp of voice-excited parallel 1st formant, in dB
A2V v 0 60 80 Amp of voice-excited parallel 2nd formant, in dB
A3V v 0 60 80 Amp of voice-excited parallel 3rd formant, in dB
A4V v 0 60 80 Amp of voice-excited parallel 4th formant, in dB
ATV v 0 0 80 Amp of voice-excited par tracheal formant, in dB
Varied Parameters:
Time F0 AV
0 1660 30
5 1720 32
10 1700 34
15 1700 35
(중간부분 생략)
385 1180 22
390 1180 19
395 1180 13
이렇게 생성된 각 화일은 PowerPC로 합성하였으며 각 화일 하나당 약 1분 정도 소요되었다. 주파수 대역폭은 기본값을 그대로 사용하여 합성한 뒤 이를 Signalyze로 분석하여 원래의 음성파형에 대한 스펙트로그램과 시각적으로 비교함과 동시에 음을 여러번 들어서 원음과 차이가 거의 없도록 되풀이해서 파라메터를 조절했다. 주파수 대역폭은 포먼트 궤적의 가늘고 굵은 정도를 조정할 수 있게 되어있다. 이런 수정 과정을 거쳐 최종적으로 확정한 포먼트 주파수 및 주파수 대역값은 다음 표 2에 나타나 있다.
표 2. 합성기에 입력한 포먼트 주파수 및 주파수대역. F1은 제1포먼트를 나타내며, B1은 제1포먼트의 주파수대역을 나타낸다.
모음 F1 B1 F2 B2 F3 B3 F4 B4
___________________________________________________________
이 330 150 2520 70 3230 80 3600 100
아 800 110 1345 120 2710 120 3800 150
오 540 90 900 110 2600 150 3500 100
우 370 80 730 90 2600 60 3550 100
에 550 60 2100 90 2900 150 3600 300
어 620 70 1200 90 2950 90 3600 140
___________________________________________________________
다음으로는 원음에 가까운 합성음의 포먼트 값을 다음과 같이 각각 변화시켜서 지각 실험용 합성음을 생성했다. F1은 표 1의 각 원음의 포먼트 주파수값에서 아래위로 50 Hz간격으로 200Ҍ950 Hz 범위안에서 제2포먼트 (F2)와 중첩되지 않게 생성했다. F2는 50 Hz간격으로 각 원음의 포먼트주파수값의 아래 위 500 Hz범위내에서 합성했다. F3의 경우에는 50 Hz간격의 변화에 대해 지각적으로 별 차이를 보이지 않았던 사전 실험에 바탕을 두고 100 Hz간격으로 각 원음의 주파수값의 아래 위 500Hz범위에서 합성음을 만들었다. 이렇게 생성한 화일은 표 3의 예와 같이 총 270개였다.
표 3. 합성한 음성 자료.
모음 F1 B1 F2 B2 F3 B3 F4 B4
이 200 150 2520 70 3230 80 3600 100
이 250 150 2520 70 3230 80 3600 100
이 300 150 2520 70 3230 80 3600 100
이 350 150 2520 70 3230 80 3600 100
이 400 150 2520 70 3230 80 3600 100
(중간부분 생략)
아 800 110 1500 120 2800 120 3800 150
아 800 110 1500 120 2900 120 3800 150
아 800 110 1500 120 3000 120 3800 150
아 800 110 1500 120 3100 120 3800 150
아 800 110 1500 120 3200 120 3800 150
4. 지각실험 및 결과 분석
4.1 녹음한 피험자의 지각실험
앞에서 합성한 음성은 원음과 비교하여 응답하는 방식으로 지각실험을 행했다. 실험환경은 Macintosh LC475 에 Hypertalk로 실험환경에 대한 프로그램을 그림 3과 같이 만들었다. 각 모음에 대한 합성음 SoundWave파일로 변환시켜 SoundMover를 이용하여 Hypercard에 옮겼다. 피험자에게 각 모음마다 생성한 화일을 조용한 방에서 주파수 반응 대역이 20Ҍ20,000 Hz인 EMMA-300 헤드폰을 이용하여 들려주었다.
그림 3. 지각 실험을 위한 Hypercard 실험환경 화면
피험자는 0.5초 간격으로 두개의 신호를 듣고 이를 판단하도록 했다. 사전 실험에 의하면 두 신호의 간격이 너무 가깝거나 멀 때에는 중첩이나 단기기억의 문제점 때문에 판단에 어려움이 있음을 발견했다. 판단은 먼저 "비슷하다"와 "다르다"로 마우스로 선택한 뒤 "비슷하다"를 택했을 때는 "꼭같다"와 "비슷하다" 중 하나를, "다르다"로 선택했을 때는 "다르다"와 "아주다르다"가운데 하나를 반드시 선택하도록 되어있다. 피험자가 선택하면 다음 신호가 재생되도록 하고, 마지막 응답이 끝나면, 피험자의 답안을 모두 모아서 하나의 텍스트 화일로 자동으로 생성되도록 만들었다.
지각 실험 결과를 살펴보면 다음과 같다.
먼저, 원음과 비교해 봤을 때, "비슷하다"나 "꼭같다"를 선택한 합성음의 주파수 범위는 다음 표 3과 같이 나타났다.
표 4. 원음과 합성음의 비교 지각 실험 결과
모음 F1 범위 F2 범위 F3 범위
______________________________________________________________
이 200Ҍ400 200 2350Ҍ2650 300 3000Ҍ3400 400
우 200Ҍ350 150 600Ҍ 800 200 2100Ҍ3100 1000
에 400Ҍ550 150 1800Ҍ2200 400 2300Ҍ3300 1000
오 450Ҍ550 100 650Ҍ 900 250 2100Ҍ2900 800
어 500Ҍ700 200 1150Ҍ1350 200 2500Ҍ3300 800
아 800Ҍ900 100 1100Ҍ1550 450 2400Ҍ3200 800
______________________________________________________________
평균 150 300 800
표 4에서 보듯이 각 모음의 주파수 범위는 F1에서 F3로 갈수록 수용범위가 넓어져 간다. 예를 들어, F1에서의 비슷하거나 똑같다고 판단하는 주파수 범위의 평균은 150 Hz 인데 반해, F2에서는 이의 두 배에 해당하는 범위를 갖고, F3에서는 거의 다섯 배의 넓은 주파수 대역에서 같은 판단을 하고 있음을 알 수 있다. 이러한 결과는 지각의 범위가 저주파에서 고주파로 갈수록 넓어진다는 지각 실험 결과와도 일치한다 (양 병곤, 1993). 따라서, 각 포먼트의 주파수를 변형하여 지각실험을 할 때도 이러한 결과를 염두에 두고 필요이상으로 세부적인 간격으로 나눌 필요가 없다. 표에서 모음 [이]의 F3 범위는 400 Hz로 F2의 주파수가 이미 2500 Hz근처에 위치해 있으므로 지각적으로 그 범위가 줄어졌기 때문이라고 할 수 있다. 이는 Theory of Dispersion (Lindblom, 1990) 에서 제시된 바 있는 한 언어내에서는 각 모음 사이에 충분한 간격을 두어 대조가 되도록 배치한다는 이론과 일치한다. Lindblom(1990)은 세계 여러 언어에 나타나 있는 모음을 조사하면서, 언어 마다 일정한 수의 모음이 있을 때 이들 사이에는 지각적으로 충분한 거리를 유지할 수 있도록 배치된다는 이론을 제안했다.
이들 자료를 보다 시각적으로 비교해 보기 위해서 위의 표에 나타나 있는 각 모음의 시작부분과 끝부분의 값의 평균값을 F2를 중심으로 정렬한 뒤 이를 그림 3과 같이 나타내 보았다. F2는 혀의 이동을 나타내는 중요한 단서인데, 주파수가 낮을수록 후설모음임을 알 수 있고, 높을 수록 전설모음으로 나타난다. 실제 그림 4에서는 후설모음인 [우, 어, 오]와 전설모음인 [에, 이]의 순서로 배열되었다. 모음 [아]는 우리말에서는 모음삼각도의 꼭지 부분에 해당하기 때문에 전설모음과 후설모음 사이에 위치해 있음을 알 수 있다 (Yang, 1992).
그림 4. 녹음한 피험자의 원음과 합성음의 비교 지각 실험 결과를
나타낸 그래프. y축은 제 1,2,3 형성음 주파수를 나타낸다.
표 4에서의 자료와 표 2에서의 자료를 비교해보면 흥미로운 결과를 발견할 수 있다. 표 2의 값과 표 4의 간격 사이의 중심점을 계산한 뒤 이들 사이의 상관관계를 StatView 512+를 이용하여 통계적으로 처리했을 때, F1은 상관계수가 0.987로 거의 일치하며, F2는 0.996, F3는 0.957의 아주 높은 상관계수를 보였다. 이는 결국 우리가 말을 하는 기준과 듣는 기준은 동일하며, 두가지 다른 행위가 아님을 증명해 주는 중요한 자료라 하겠다.
4.2 남여 학생들의 지각실험
다음으로는 청취 실험자료를 영어음성학 과목을 이수하고 있는 동의대학교 3학년 남여 학생 각각 10명에게 들려주어 지각실험을 행했다. 이들은 주로 부산 경남 지역 출신으로 경상도 방언을 사용하고 있다. 이들의 지각 실험은 Hypercard로 만든 원음과 가장 가까운 합성음과 이 음의 포먼트를 일정 간격으로 변화시킨 음을 0.5초 간격으로 들려주고 비교하도록 했다. 두 비교음 사이에는 1초 간격을 두어 조용한 강의실에서 양질의 녹음 테이프에 녹음하여 들려 주었다. 각 피험자는 두 개의 합성된 음을 듣고 "같다" 와 "다르다"의 표시 가운데 하나를 선택하여 주어진 답안지의 해당부분에 동그라미 표시를 하도록 하였다. 각 포먼트 마다 피험자에게 어느 부분인지 실험자가 확인시켜 주었다. 총 29 명의 응답자 중 남여 10명 분을 최종 자료로 설정했다. 설정 기준은 대체로 비슷한 지각범위를 보인 피험자를 골랐다.
이들의 실험 결과는 남자 10명의 자료는 표 5에 여자 10명의 자료는 표 6에 나타나 있다.
표 5. 남자 10명의 지각실험 결과. 각 포먼트의 같다고 느끼기 시작하는
최저주파수 값과 다르게 느끼기 시작하는 최고주파수 범위를 나타냈다.
모음 F1 F2 F3
우 300Ҍ410 570Ҍ1100 2100Ҍ3080
오 510Ҍ630 700Ҍ990 2110Ҍ3060
어 540Ҍ680 1070Ҍ1450 2170Ҍ3310
아 720Ҍ910 1080Ҍ1540 2300Ҍ3200
에 480Ҍ740 1980Ҍ2310 2560Ҍ3280
이 260Ҍ420 2330Ҍ2830 3030Ҍ3400
표 6. 여자 10명의 지각실험 결과
모음 F1 F2 F3
우 300Ҍ390 560Ҍ990 2100Ҍ3000
오 500Ҍ730 640Ҍ930 2100Ҍ3060
어 500Ҍ660 1110Ҍ1470 2300Ҍ3400
아 720Ҍ950 1040Ҍ1490 2310Ҍ3190
에 470Ҍ820 1980Ҍ2490 2440Ҍ3390
이 220Ҍ410 2290Ҍ2970 3000Ҍ3500
이들의 시작점과 끝점의 평균값을 내어 세 꼭지점을 이으면 그림 5, 그림 6과 같다. 그림 5는 남자 10명의 지각 실험 결과를 보이고 있고, 그림 6은 여자 10명의 지각 실험 결과를 보이고 있다.
그림 5. 남자 10명의 지각 실험결과
그림 6. 여자 10명의 지각 실험 결과
위 그림에서 특기할 사항은 부산 지역에서는 [에]와 [애]의 구분을 거의 하지 않으므로 그 청각적으로 동일하게 인지하는 허용 범위가 상당히 넓음을 알수 있다. 위 실험 결과는 대체적으로 앞 그림 4와 같은 유형을 보이고 있으며, 이들 시작부분과 끝부분의 평균값을 남여 각각 내어 이를 앞서의 음성학자의 실험결과와 상관비교를 해 보았다. 그 결과, F1의 경우에는 남자그룹과는 0.9687 여자 그룹과는 0.934의 상관 계수가 나왔으며, F2에서는 남여그룹 각각 0.996, 0.994였고, F3에서는 0.913과 0.955가 나왔다. 제 3포먼트에서의 약간 낮은 결과는 모음 [어]에서 남자 그룹의 결과가 약간 낮게 나타났기 때문인데 이는 제 3포먼트의 지각 범위를 생각해 볼 때 그다지 큰 차이가 아님을 알 수 있다. 이들 결과는 상당히 상관도가 높은 수치로써 앞 절의 음성학자의 실험결과의 신뢰도를 확인해주고 있다. 또한 남여 각 그룹간의 모든 포먼트값을 비교해본 결과 0.996의 높은 상관 계수를 보였다.
5. 결론
본 연구에서는 한 음성학자의 발음을 녹음하여 이와 가장 가까운 합성음을 만든 뒤 이 합성모음의 중요한 음향학적 단서인 포먼트를 일정한 간격으로 변화시켜 음성학자와 남여 각 10명씩의 피험자에게 들려 주어 같은 음으로 판단하는 범위를 찾아내었다. 녹음한 음성학자의 실험에서는 우리가 말을 하는 기준과 듣는 기준은 동일하며, 두 가지 다른 행위가 아님을 증명해 주는 중요한 결과가 밝혀 졌다. 또한 남여 피험자의 실험도 이와 거의 일치하는 결과를 보임으로써 지각적 실험의 신뢰도를 확인할 수 있었다. 특히, 우리의 지각 범위는 저주파부분에서는 대역폭을 좁게 세분하여 들으며, 고주파에서는 상당한 주파수의 변화에도 동일한 음으로 듣고 있다는 결론을 내릴 수 있으며, 이는 곧 각 포먼트 측정에 있어서 얼마나 정밀한 수치값이 지각적으로 유효한 값인가를 보여주는 중요한 결과라 하겠다.
본 연구의 결과는 합성한 한국어 단모음에 대한 지각적인 실험의 중요한 기초자료를 제공하고, 또한 합성에 의한 국내에서는 거의 없는 지각실험연구분야에 상세한 연구방법론을 제시함으로써 보다 많은 지각실험 연구를 유도하고, 음성인식에 대한 인간의 경계선에 대한 자료를 제시함으로써 이를 활용한 음성자동 인식장치 개발에 널리 활용될 수 있을 것이다.
참고 문헌
양병곤. (1993). 음성학 입문. 부산:진영문화사.
Fant, G. (1970). Acoustic Theory of Speech Production. The Hague:
Mouton.
Gay,T. (1970). "A perceptural study of American English diphthongs." Language and Speech Vol. 13 (2)., pp.65-88.
Klatt, D.H. and Klatt, L.C. (1990). "Analysis, synthesis and
perception of voice quality variations among female and male
talkers," Journal of the Acoustical Society of America 87,
pp.820-857.
Holmes, J. N. (1973). "Influence of glottal waveform on the
naturalness of speech from a parallel formant synthesizer." IEEE
AU-21, 298-305.
Lindblom, B. (1990). "Explaining phonetic variation: a sketch of the
H&H theory." Speech Production and Speech Modeling.
(W.J. Hardcastle and A. Marchal, eds. pp. 403-439. Dordrecht:
Klwer Academic Publishers.
Yang, B. (1992). "An acoustical study of Korean monophthongs." Journal
of Acoustical Society of America 91(4), pp.2280-83.