다차원적 음성 프로파일 분석을 통한 20-30대 한국 여성의 합성음성과 실제음성의 특성 비교 (A Comparison of Acoustic and Perceptual Measures of a Female Synthesized Voice Versus a Real Voice: A Multi-Dimensional Analysis)

서지정보

· 발행기관 : 한국언어치료학회
· 수록지 정보 : 언어치료연구 / 31권 / 4호 / 81 ~ 90페이지
· 저자명 : 권순하, 이영미, 전예솔, 유성아, 오유림

초록

목적: 본 논문은 여성의 합성음성과 실제음성을 다차원적으로 분석하여 그 차이를 알아내는 데 목적을 가진다.
방법: 23~35세의 성인 여성 16명이 본 연구에 참여하였고 대상자들은 3개의 문장을 읽고, 녹음하였다. 합성음성을 제공하는 네이버 클로바 더빙과 타입캐스트 프로그램에서 여성 청년 목소리에 해당하는 16개의 합성음성을 선정하였고 실제음성이 녹음한 것과 같은 문장으로 작성하여 녹음파일을 추출하였다. 그 후, 총 32개의 음성을 시간, 운율, 조음 측면, 그리고 청지각적 평정점수에 따라 분석하였다.
결과: 첫째, 시간차원에서 합성음성의 휴지비율이 실제음성에 비해 유의미하게 길었다. 둘째, 운율차원에서는 합성음성과 실제음성 간의 유의미한 차이가 없었다. 셋째, 조음차원을 살펴보았을 때, CVC 구조의 문장에서 합성음성의 모음 지속시간은 실제음성에 비해 유의미하게 길었으며, 모음면적에서도 합성음성이 실제음성보다 유의하게 크게 나타났다. 마지막으로, 청지각적 평가 결과 청자들은 합성음성에 비해 실제음성을 더 부드럽다고 지각하였고, 실제음성에 비해 합성음성을 더 빠르고 명료하게 인식하였다.
결론: 본 연구는 여성의 합성음성이 시간, 조음, 청지각적 차원에서 여성의 실제음성과 다른 특성을 보인다는 것을 발견하였다. 실제음성에 비해 합성음성은 더 빠른 말속도, 더 명료한 발음으로 여성 청년의 음성을 나타내었다. 본 연구를 통해 TTS 기술이 실제음성을 구현하는데 어떠한 측면을 보완해야 하는지 제시하고 나아가 언어병리학 분야에서 다양하게 활용될 수 있는 방법을 모색하는데 본 연구 결과가 기초자료로 제공될 수 있을 것이다.

영어초록

Purpose: This study aimed to examine the difference between a female synthesized voice and a real voice based on multi-dimensional analysis.
Methods: Sixteen female adults aged between 23 and 35 years old participated in this study. They read three sentences with their speech being recorded. In addition, 16 young female voices were synthesized using the voice synthesis program Naver Clova Dubbing and Typecast. The data for all 32 voices were measured in terms of 4 dimensions: speech rate, prosody, articulation, and auditory-perceptual evaluation.
Results: First, the portion of synthesized voice pause was significantly longer than that of the real voice. Second, there were no significant differences between synthesized and real voice pitches. Third, the vowel duration in the CVC contexts was significantly longer than that of the real voice, and the vowel space area of the synthesized voice was significantly larger than that of the real voice. Finally, listeners perceived the real voice as being softer than the synthesized voice. They also perceived the synthesized voice as being faster and clearer than the real voice.
Conclusions: The current study found that female synthesized voices are different from female real voices in terms of speech rate, articulation, and auditory perception. Compared to the human voice, the synthesized voice represented a young female voice with a faster speech rate and clearer articulation. Through experimental evaluations, we have confirmed that TTS (text-to-speech) techniques successfully synthesize a real voice.

참고자료

· 없음