Beszédinformációs rendszerek

Átírás

1 Beszédinformációs rendszerek előadás, beszédakusztika gyakorlat A beszéd akusztikai leírása Vicsi Klára 1. A beszédfolyamat akusztikai jellemzői A beszéd nyelvi jelentéssel bíró akusztikai produktum, számos nem nyelvi jelentést hordozó információval. Az érzelmek (harag, izgalom, öröm, panasz, csodálkozás, gyengédség, ijedtség, stb.) szintén jelentősen befolyásolják a hang fizikai paramétereit. Beszéd igen erősen redundans. Informaciót több síkon hordozza: Beszédhang szintű leírás - szegmentális szerk. Szó, mondat szintű leirás - szupraszegmentális szerkezet 1.1. A beszéd, mint összetett akusztikai jelzés A beszéd, tekintettel a szavak közötti szünetekre, voltaképpen különálló rezgések sorozata. Ezeket a rezgéseket bonyolult, összetett és koordinált fiziológiai működéssel hozzuk létre. De nemcsak létrehozását tekintve összetett folyamat a beszéd, hanem megjelenési formája is mutatja az összetettséget, tehát akusztikailag is összetett jelsorozat. Ha a beszéd nem lenne egyéb, mint az írásjelek hangos megjelenési formája, akkor nem éreznénk kifejezőbbnek, elevenebbnek a nyomtatott, vagy írott betűnél. A beszéd által hordozott mondanivaló minőségileg különbözik az írott szóalakokkal kifejezett fogalmi jellegű tartalmaktól. A beszédben kifejezésre jutó, fogalmi szintet el nem érő érzelmi, hangulati jellegű információnak a megvalósulását a komplex természetű akusztikai jel teszi lehetővé. Milyen paraméterekkel jellemezhetjük a beszédet, mint komplex akusztikai jelet? 1. A beszédhang nyomás, beszédintenzitás, beszédteljesítmény hangnyomás 1Pa = 1 N/m 2 = 0,10 cm vizoszl. A hangforrás a légnemű és folyékony közegben aránylag egyszerűen követhető fizikai folyamattal nyomásingadozást kelt. Ez a nyomásingadozás igen kicsi és a légköri (sztatikus) nyomás értékére szuperponálódik, vagyis annak hangfrekvenciás ingadoztatásában nyilvánul meg. Az időbeli változás tehát p + p( ) 0 t alakban jelentkezik, ahol a hangot kifejező második tag valamilyen nyomásváltozást lejegyző berendezéssel ugyan rögzíthető, de amelynek időbeli középértéke zérus:

2 p (t) =0. Az arány p 0 és p(t) csúcsértéke között normális beszéderősség esetén egy milliómod, a szokásos legerősebb zajok mellett még mindig egytized rész. Maga a p(t) függvény tartalmazhat periódusos és statisztikusan ingadozó elemeket, de az ún. alapzajtól eltekintve véges ideig tart és rendszerint berezgési és lecsengési elemekkel is rendelkezik. Tehát matematikailag rendkívül bonyolult függvény. Ezért a megismerés formája rendszerint nem az időbeli lefolyás rögzítése, hanem az időbeli négyzetes középérték, p eff = p 2 ( t) = t 2 1 t t 2 1 t 1 2 p ( t) dt megállapítása. A négyzetes középérték mérése nemcsak fizikai kényszer, hanem egyben biológiai is. A fül ugyanis sokféle elemző és értékelő tevékenység során saját négyzetes jelleggörbéjét is kihasználja és a négyzetes középértéket, az ún. effektív értéket érzékeli. Tárgyalásaink során hangnyomáson (p) mindig effektív hangnyomást értünk. A hangtér teljes jellemzésére egyedül a hangnyomás nem elegendő. Vagy még egy téradatot, vagy a hangtér impedanciáját ismernünk kell hozzá. Szabad térben haladó síkhullámok esetén a térösszefüggések egyszerűen fejezhetőek ki: a részecskesebesség: p v =, és a fázisban nincs eltérés; ρc a sűrűsödés: p s =, és szintén fázisban marad; 2 ρc a kimozdulás: v v ξ = =, és 90 -ot késik; 2 πf ω a gyorsulás: a = vω, és 90 -ot siet. Az összefüggésekben a pc kifejezés (a közeg nyugalmi sűrűsége és a terjedési 2 3 sebesség szorzata, egysége: kg /( m s) = Pas / m = Ns / m = MKSRayl) a közeg valós impedanciája, akusztikai keménysége. Síkhullámok esetén valós érték, ami méréstechnikai szempontból igen nagy szerencse. Néhány nyomásérték összehasonlításként: sztatikus nyomás beszéd nyomásingadozás 1 atm 10 5 Pa Pa

3 -5 hallásköszöb 2 10 Pa fájdalomküszöb 20 Pa energiaáramlás[ws/m 3 ] energia hangrezgések mechanikai energiája egy adott térrészre igaz: E E = E össz nyug hang hangenergia-sűrűség: E [Ws/m 3 ], c [m/s], ρ [kg/m 3 ], p [N/m 2 ] 2 p E = ρ c [Ws/m 3 ] hangenergia továbbítása hangsugárzás hangteljesítmény (P): a hangforrás körüli képzett gömbfelületen időegység alatt átáramlott összes energiamennyiség [Watt] hangintenzitás (I): egységnyi felületen merőlegesen időegység alatt átáramlott energia [W/m 2 ] (1.1. ábra) 1.1. ábra I 2 p = ρ c ρ c = akusztikai keménység Decibel érték színtérték hallásküszöb: kiabálás I = 10 W / m, p0 = 2 10 Pa P 2 = 2 10 Pa több nagyságrend átfogás. A könnyebb kezelhetőség miatt bevezették a szintértékek használatát: L B I = log = log I log I 0 Bel [B] I 0 tizede:

4 L db I 10lg = 10lg I 10lg I I = decibel [db] log W W 0 2 P = 10log Po 2 = 20lg P P 0 Mivel az intenzitásszint a beszédfolyamatban állandóan hullámzik, meg kel különböztetnünk az átlagos intenzitásszintet az intenzitásszint csúcsoktól. A beszédintenzitás szintet a folyamatos beszéd valamely időközre vonatkoztatott effektiv értékével jellemezzük. Az időköz mértéke szerint megkülönböztetünk pillanatnyi és hosszabb időközre vonatkoztatott átlagos értéket. 2. A beszédfrekvencia [Hz], amely a folyamatos beszéd átlagos alapfrekvenciáját jelenti, férfiaknál Hz, nőknél Hz, gyermekeknél Hz. A beszéd hangmagasságának változásai a mondatok dallamformáit alakítják ki. Minél több emócióval telített a beszéd, annál jobban érvényesül benne a melodikus elem. 3. A beszéd akusztikumának fontos jellemzője a beszédszínkép, amely a frekvenciaösszetevők intenzitásszintjeinek összessége. A beszédhangok jellemzői, de a megváltozott színkép tükrözője lehet a beszélő állapotának. A beszédszínkép jellemzi a beszélőt is; meg tudjuk róla ítélni, hogy férfi, nő, vagy gyermek beszél-e, fiatal-e, vagy öreg, stb. 4. Az időtartam, tempó és szünetek összefüggésben vannak a beszélő egyén karakterével, vagy érzelmi állapotával. De van logikai funkciójuk is. Kiemelik a nyomatékos mondanivalót, felhívják a figyelmet valami olyan értelmezésre, amit a szó önmagában nem fejez ki. A beszédben az akusztikai összetevők a legváltozatosabb módon kombinálódnak, s lehetővé teszik, hogy a beszéd, mint komplex akusztikai jelzés az árnyalt és differenciált közlés eszköze legyen. A beszédhangok frekvenciái kb. 70 Hz-től Hz-ig terjednek. A legnagyobb teljesítményt az 500 Hz körüli összetevők hordozzák. Ha 400 Hz alatti frekvenciákat levágjuk, az energia fele, ha 800 Hz-ig vágjuk, az energia negyedrésze marad meg. A magas hangok levágása az energiát csak kismértékben csökkenti. A beszédproduktumban az energia nagyobb része a magánhangzókhoz kapcsolódik. Szavakról felvett hangnyomásgörbéken a magánhangzók mindig nagyobb teljesítményértéket mutatnak. Ha a beszélő megemeli a hangját, hangosabban beszél, általában a frekvencia összetétel is megváltozik. A nagyobb hangerő esetén a nagyobb frekvenciájú felhangok intenzitása nagyobb mértékben erősödik fel, mint a kis frekvenciájúaké. Az átlagos beszédszínkép A beszéd pillanatról pillanatra változó alapfrekvenciájú, intenzitású és színképi eloszlású hangjelek egymásutánja. A hangközvetítés, a beszédérthetőség, a beszéd akusztikai jellegének megállapítása céljából szükséges megismernünk a beszéd egészére jellemző színképi eloszlást. Milyen frekvenciájú és amplitúdójú hangok dominálnak a beszédben? Milyen a részösszetevők viszonya a beszédben? Ezekre a kérdésekre akkor tudunk feleletet adni, ha ismerjük a beszédszínképet. Mi a beszédszínkép? A beszédszínkép a beszédben előforduló hangok átlagos színképi eloszlást tünteti fel az amplitúdó és a frekvencia függvényében. A beszédszínkép megállapításához beszédzörejt teremtünk, amely nem más, mint sok beszélő beszédéből kapott, homogén eloszlású, időben állandó színképű zörej. A beszédszínkép megállapítására alkalmas módszer kidolgozása Tarnóczy Tamás nevéhez fűződik (Tarnóczy, 1970, 1971). Az elemzés alapjául szolgáló zörejt több személy egy időben lefolyó, különböző szövegű beszédének együttes hangzása teremti meg. A beszédzörejről kapott beszédszínkép a kísérleti személyek ejtésének átlagos színképi eloszlását mutatja. (1.2. ábra)

5 1.2. ábra A beszédszínkép meghatározásához a következő módszert használják: A legtöbb esetben 10 személy olvas fel folyamatos szöveget 10 mikrofonba. A mikrofonok áramát felerősítve, egyetlen szalagra veszik fel a hangkeveréket. A szalagot visszajátszva egyetlen beszédzajt lehet észlelni, amelyet elemzési módszerekkel vizsgálnak. A magyar hangképzésből eredő átlagos beszédszínképet Tarnóczy vizsgálatai alapján ismertetjük. A 62 személy beszédéről készített átlagos színképet ábra mutatja be. A férfiak beszédében három amplitúdócsúcs emelkedik ki az első 100 Hz-en, a második Hz-en, a harmadik 510 Hz-en jelentkezik. A nők beszédében két energia csúcsot vehetünk észre: az első 200 Hz-en, a második 510 Hz-en jelentkezik.

6 1.2. A beszéd szegmentális szerkezete Egy beszédhang akusztikai tulajdonságait a gerjesztés típusa és a képzés helye (a hangképző csatorna állapota ) együttesen határozzák meg. Ehhez járul még a száj sugárzási ellenállásának a hatása ábra Hangképző csatorna 1.1.táblázat Artikuláció hangképzőszervi mozgások összessége a beszéd folyamán A hangképzőszervek A beszédképzés folyamata 1. tüdő Respirációs (légzési szakasz) 2. gégefő Fonációs (zöngeképzési szakasz) 3. toldalékcső Artikulációs (hangképzési szakasz) A beszédhang, mint rezgés Az emberi beszédhangnál, akár beszéd, akár énekhang azonos a keltési mechanizmus. Tüdő, a hörgők és a légcső adja a szükséges levegőáramot. A kitóduló levegő útját a hangszalagok rugalmas hártyaként zárják el. A hangszalag alatti térségben a levegő túlnyomása (szubglottikus nyomás) normális erősségű beszédnél 4-5 cm vízoszlop (40-50 Pa) nyomásnak felel meg, kiabáláskor 20 cm vízoszlop (200 Pa), a légköri nyomás Pa.

7 orrüreg szájüreg nyelv ínyvitorla garatüreg gégefő fogak ajkak pitvar légcső tüdő 1.4. ábra A beszédet létrehozó szervek Hangszalagok rugalmas kötőszöveti redők. Levegőáramlásnál alakú hangrés keletkezik: szubglottikus túlnyomás szétfeszíti a hangszalagokat, a kialakult hangrésnél a levegő részecskék sebessége nő, a nyomás csökken, összezárul a hangszalag: v 1 p Bernoulli-elv A résen kitóduló levegő részecskéi longitudinális rezgést végeznek. A hangszalagok periodikus mozgássorozata határozza meg a hang magasságát. (f 0 ) A hangadás a fonáció. A keletkezett hang a zönge. Öngerjesztett rezgés a gerjesztő forrás nem a hangszalagok mozgása, hanem a résen kiáramló levegőimpulzusok. A hangszalagoknak vezérlő szerepük van.

8 Gégeizmok működését idegi szabályozás révén végezzük. Fonáció vezérléséért alsó szinten a nyúltagyi központok a felelősek.sérülésükkor a hangszalagok bénulása következik be. Nyelv, ajak mozog. Felső szinten a Brocka féle mező valósítja meg a beszédképző szervek irányítását. Irányítás a X. agyideg ágain történik. Néhány tipikus hangszalagállást az ábrákon mutatunk be

9 1.8. ábra A rezonancia szerepe a hangképzésben A hangképzésben szerepet játszó toldalékcsőnek, mint akusztikai üregnek a tordalékcső alakjától, falainak szilárdságától stb. függően sajátos önrezgései vannak, s ezeknek az önrezgéseknek a frekvenciái szabják meg a beszédhangok színezetét. A toldalékcsövet változó akusztikai szűrőknek tekinthetjük, amelynek rezonáló tulajdonságai a beszédhang színének alakításában vesznek részt. Megnagyobbodott toldalékcső az alacsonyabb felhangokat erősíti, a kistérfogatú üregrendszer a magasakat emeli. A hangrés alatti légcső is rezonátorként viselkedik. Ez mélyhangú rezonátor, amely az egyéni hang-színre az egyik legjellemzőbb tényező A magánhangzók akusztikai leírása A magánhangzók leírása rezonanciaelmélettel A száj garat orrüreg, mint összetett üregrezonátor rendszer szerepel. Rezonátor rendszer T 0 P (ω) T ábra A rezonátrorendszer eredő átvitelének (P(ω)) kialakulása a következő: Zönge függyvény U(ω) (1.10. ábra) Hangszalagok rezgése által keltett hangnyomás változás háromszög alakú periodikus függvény szerinti, amelynek színképében a felharmonikus összetevők intenzitása 12 db/okt. esik. f i = n i f 0

10 I -12 db/okt U(ω) n i = 1,2, f 0 f i f ábra Üreg átviteli függvény T(ω) (1.11. ábra) Üregek rezonanciái, zérushelyei felerősítik, elnyomják vagy megszüntetik az adott felharmónikust. F 1 I B 1 3 db F 2 F 3 3 db B 2 B3 3 db f T(ω) ábra Hangképző üregek átviteli függvényében a maximum helyek az F 1 F 2 F 3 formáns frekvenciák, B 1 B 2 B 3 a sávszélességek Sugárzási ellenállás R(ω) (1.12. ábra) Csatolás a térbe ahol 6 db/okt a felharmonikusok emelése I + 6 db/okt. R(ω) f 0 f i f ábra

11 eredő színjép: P( ω) = U ( ω) T ( ω) R( ω) (1.13. ábra) I - 6 db/okt P (ω) A magánhangzók leírása csőelmélettel: ábra f = cm 3 ~ 500 Hz hangszalag F 2 =3C/4l szájnyílás ~ 1500 Hz F 3 = 5C/4l ~ 2500 Hz ábra Felhangtartalom milyensége határozza meg a magánhangzók hangszínét A beszédhangképzés helye Az artikuláció során a hangképzőszervek mozgásával hangoljuk a hangképző üregeket, evvel a T(ω) függvényt változtatjuk meg. A nyelv visszintes és függőleges mozgásával használt leggyakoribb előfordulásokat a táblázat mutatja.

12 1.2. táblázat A nyelv szerepe a magánhangzók képzésében: A nyelv vízszintes mozgása szerint: Hátul képzett (veláris) Középen képzett (mediális) Elöl képzett (palatális) A nyelv függőleges mozgása szerint Felső nyelvállású Középső nyelvállású Alsó nyelvállású Legalsó nyelvállású Felső Felső-középső Középső Középső-alsó Alsó A képzési hely függvényében létrejövő színképi változásokat jól szemlélteti a ábra. Az állkapocs mozgás a nyelv függőleges mozgásával szinkronban változik. Amennyiben az állkapocs nyílik F 1 nő, F 2 megközelítőleg állandó, ha a nyelv hátramozdul, és száj kerekedik F 2 csökken, F 1 állandó. Az i artikulációs képzési helye megegyezik az ü hang képzési helyével, de ajak kerekedik, ezért F 2 csökken ábra Magyar magánhangzók jellegzetes spektrum szórásképei Bark-sávos elemzés esetén (Vicsi, 1994) A magánhangzók állománya nyelvenként változik. Vannak nyelvek, ahol csak néhány magánhangzó van, mint például a Japánban, de más nyelvek például a svéd 20-nál több magánhangzót használ. Különböző nyelvek magánhangzóinak képzési helyeit a és ábrák mutatják.

13 1.16. ábra 1.17.ábra Spanyol, japán, angol magánhangzó állomány

14 1.18. ábra Az F 1 formánsfrekvencia szórásterületek ábrázolása az F 2 függvényében, angol magánhangzók esetén, IPhA simbólumokkal jelölve A F 1 formánsfrekvencia ábrázolása az F 2 függvényében gyakori ábrázolási forma, amely az ábrákon tanulmányozható angol magánhangzóknál, magyar férfiak és magyar női ejtésben. Az ábrákon a magánhangzók IPhA jelölésrendszerben lettek feltüntetve. magaselől F2 frekvencia (Hz) alacsonyelől ábra Angol magánhangzók F 1, F 2 grafikonja IPhA jelölésrendszerrel magashátul F 1 frekvencia (Hz) alacsonyhátul

15 (Tarnóczy) ábra Magyar férfi magánhangzók F 1, F 2 grafikonja IPhA jelölésrendszerrel (Tarnóczy) ábra Magyar férfi magánhangzók F 1, F 2 grafikonja IPhA jelölésrendszerrel

16 Nasalitás hatása ábra Spectra of a nonnasal vowel and the murmur portion of a nasal consonant

17 1.23. Ábra: Didn t you see me? mondat spektrogramja hasonlítsa össze az i nem nazális magánhangzót az n nazális mássalhangzóval a didn t kifejezésben A szomszédos hangok hatása A magánhangzók színképét a mássalhangzók képzési helye befolyásolja. A 1.24 ábrán sematikusan mutatunk be egy példát a formánsok alakulásra izolált magánhangzó kiejtésekor és zárhangok környezetében. f transient part F 3 F 3 F 2 F 2 F 1 u t 30 ms u 30 ms d d quasy stacioner part F ábra A személyek hatása a színképre F 1 F 2 ábrán beszédhangok szórásképe átlapolódik ( ábrák) egy nem ejtésén belül is. Nemek szerint is különválnak az F 1 F 2 helyek: férfiak esetében lényegesen alacsonyabbak, mint nők esetén, és gyermekeknél a legmagasabb

18 1.25. ábra Az F 1 F 2 helyek eltolódásának aránya hangcsoportonként változik (1.25. ábra) Ez jól látható az ábrán. Férfi nő gyermek színkép F 1 F 2 együttes ábrázolásában. NORMALIZÁCIÓS PROBLÉMA F 0 férfi: nő: gyermek: Hz Hz Hz üregméreten múlnak a különbségek, nem csak az alaphangon 1. Időtartam-ritmus Magánhangzók időtartama ~ 60 ms 300 ms között változik. gyakoriság 100 ms 150 ms rövid hosszú t ábra Időtartam változással csak a quasi-periódikus szakasz ideje változik. Átmenet időtartama közelítőleg változatlan. Ez általában is igaz: a bszdétempó változásaival is a stacioner szakaszok hossza változik, a tranziensek időzítése alig. A t 30 ms 30 ms ábra

19 A 30 ms 30 ms t ábra Mássalhangzók A képzés során a szájüregben akadály képződik, melyen a levező átáramolva, vagy az akadályt megszüntetve zörej keletkezik. Vannak rezonáns jellegű mássalhangzók és zörej jellegű mássalhangzók, amelyek lehetnek: zöngések és zöngétlenek Réshangok Artikulációs leírás: A hangképző csatornában kiáramló levegő szűk résen halad át. Turbulens áramlás keletkezik. A hang keletkezésének kétüreges modelljét az 1.29.ábra szemlélteti ábr. P( ω) = T ( ω) R( ω) Z( ω) T = pólus formáns Z = zero antiformáns Kritikus áramlási sebességet, amelynél a turbulens zaj keletkezik a Reynold számmal (R e ) fejezzük ki.

20 R e = v h /υ v = áramlási sebesség [m/s] h = szűkűlet átmérője [m] υ = viszkózitás kinematikus koeficiense (0,15 cm 2 /s levegőnél) beszédzajra R e > 1800 A tipikus képzési helyeket az ábra mutatja ábra Tipikus képzési helyek Akusztikai leírás Artikulációs konfiguráció és a kialakult színkép közötti összefüggést mutatja az ábra. Képzésnél a rés hátrafelé tolódik a velum (lágy szájpad) felé színképi energiasúlypont lefelé tolódik. Sziszegő nem sziszegő pl.: s, S pl.: f, v Réshangok esetén a szomszédos hangok kis hatással vannak a színkép alakulására. Személyfüggés nincs Időtartam, ritmus: ms, hosszú mássalhangzó ms

21 db Bark Hz Zárhangok Zörej jellegű mássalhangzók. Gerjesztés a zár felpattanásával történik. A létrejövő zörej a zárfelpattanási zörej, amelynek színképi súlypontja a képzés helyétől függ. Artikulációs leírás ábra Színképi szórásterületek változása a képzési hely függvényében locus: a mássalhangzó képzési helyének akusztikai vetülete ábra (Ray D. 1992)

22 Akusztikai leírás akusztikailag összetett beszédhang :zárképzési tranziens és zörej után következik a zár, majd a zárfelpattanás zörej. zárképzési hely színképi súlypont, mint a réshangnál (1.33. ábra) ábra Időtartam, ritmus zár ~ ms felpatt. zörej ~ 5-40 ms + aspiration hosszú mássalhangzó csak a zár időtartama nő meg, ~ ms Affrikáták Zár és rés képzése rövid egymásutánban. Artikulációs leírás

23 1.34. ábra Akusztikai leírás locus képzési hely szerint Akusztikailag összetett beszédhang: zárképzési tranziens és zörej, zár, zárfelpattanási zörej, spiráns zörej. zár-réshangok képzési hely színképi súlypont, mint a réshangoknál Időtartam:

24 zár ~ zárrés ~ ms ms hosszú mássalhangzó csak a zár időtartama növekszik Nazálisok rezonáns jellegű mássalhangzók Artikulációs leírás a velopharyngeal rész nyitott, levegő áramlik az orrüregen és a szájüregen keresztül nazális magánhangzók csak az orrüregen keresztül nazális mássalhangzók ábra

25 1.3. táblázat Nazális, orális képzés összehasonlítása Nazális mássalhangzók Orális zárhangok Levegőáramlás helye Orrüregen keresztül szájüregen keresztül A tényleges hangképzés időtartama folyamatos pillanatnyi A képzés módja nem felpattanó zár (okklazíva) felpattanó zár (explozíva) Hangzósság zengő nem zengő Akusztikai leírás az átviteli függvény tartalmaz pólusokat és zérusokat nazális formáns frekvenciája Hz (1.36. ábra) ábra (Ray D. 1992) a többi formánshely a képzés helyétől függ. Antiformáns helyek alacsony ( Hz), középső ( Hz) és magas (3000 Hz fölött) szintén változnak a képzési hellyel. Energiájuk jellemzően kisebb mint a magánhangzóké Likvidák rezonáns jellegű mássalhangzók. Formánsokkal és antiformánsokkal rendelkeznek, energiájuk jellemzően kisebb, mint a magánhangzóké (1.37. ábra)

26 1.37. ábra Összefoglaló jellemzés Hangképzés során a különböző akusztikai gerjesztésekkel a képzőszervek hangolásával olyan akusztikailag különböző mechanikai rezgéssorozatot állítunk elő, amely a nyelvi tartalom segítségével beszédhangok sorozatává áll össze agyunkban. Különböző gerjesztési típusokat használunk, melyek eredményeként különböző beszédhangcsoportokat hozunk létre táblázat gerjesztés típusa akusztika produktum beszédhangtípus tiszta gerjesztés hangszalag rezeg zönge magánhangzók résen kiáramló levegő turbulens áramlás súrlódási zörej réshangok zárfelpattanás zárfelpattanási zörej zárhangok vegyes gerjesztés hangszalag rezeg + a zönge + súrlódási zörej zöngés réshangok, résen kiáramlik a levegő likvidák hangszalag rezeg + zönge + zárfelpattanási zöngés zárhangok zárfelpattanás zörej nazálisok hangszalag rezeg + zönge + zöngés affrikáták+ zárfelpattanás + zárfelpattanás zörej+ (zár-réshangok) résen kiáramló levegő súrlódási zörej hangszalag nem rezeg Zöngétlen affrikáták zárfelpattanás + zárfelpattanási zör. + (zárréshangok) résen kiáramló levegő súrlódási zörej

27 A beszédhangcsoportokon belül a beszédhangok a képzési helyben különböznek egymástól. Pl. magánhangzók esetében a hangképző szervek pozíciója határozza meg, hogy milyen magánhangzókról van szó. Például az a hangot középen képzett alsó nyelvállású, igen nyílt állkapcsú, ajakműködésű, legtágabb hangképzéssel állítjuk elő. Az i hangot pedig elöl képzett, felső nyelvállású, zárt állkapcsú ajakréssel képezzük. A zárhangok, illetve réshangok esetében a szájüregen belül a zár, illetve rés helyzete határozza meg, hogy éppen melyik zár illetve réshangot képezzük