NYELVTUDOMÁNYI ÉRTEKEZÉSEK 155. sz. HANGIDÔTARTAMOK ÉS IDÔSZERKEZETI ELEMEK A MAGYAR BESZÉDBEN ÍRTA OLASZY GÁBOR A AKADÉMIAI KIADÓ, BUDAPEST
Megjelent a Magyar Tudományos Akadémia támogatásával Sorozatszerkesztô KOROMPAY KLÁRA ISBN 963 05 8437 9 ISBN 978 963 05 8437 1 Kiadja az Akadémiai Kiadó, az 1795-ben alapított Magyar Könyvkiadók és Könyvterjesztôk Egyesülésének tagja 1117 Budapest, Prielle Kornélia u. 19. www.akkrt.hu www.szakkonyv.hu Elsô magyar nyelvû kiadás: 2006 Olaszy Gábor, 2006 Minden jog fenntartva, beleértve a sokszorosítás, a nyilvános elôadás, a rádió- és televízióadás, valamint a fordítás jogát, az egyes fejezeteket illetôen is. A kiadásért felelôs az Akadémiai Kiadó Zrt. igazgatója Felelôs szerkesztô: Tárnok Irén Termékmenedzser: Hesz Margit Nyomdai elôkészítés: Starkiss Stúdió A nyomdai munkálatokat a PXP Elsô Magyar Digitális Nyomda végezte Felelôs vezetô: Szekeres Krisztina Budapest, 2006 Kiadványszám: KM060045 Megjelent 17,16 (A/5) ív terjedelemben HU ISSN 0078-2866 Printed in Hungary
TARTALOM Elôszó............................................................ 5 Bevezetés.......................................................... 7 1. Új módszerek a beszédhangok idôtartamának meghatározására............. 11 1.1. A beszédhangok idôszerkezete.................................... 11 1.1.1. A beszédhang és a hangidôtartam............................ 12 1.1.2. A beszédhang és a hanghatár................................ 13 1.1.3. A hanghatár és a szóhatár................................... 15 1.2. A hangidôtartamok közvetett meghatározása percepciós módszerrel és számítógépes támogatással.................................... 15 1.3. A hangidôtartamok közvetlen meghatározása számítógépes támogatással beszédadatbázisból............................................. 17 1.3.1. A beszédadatbázis elkészítése............................... 18 1.3.2. A hangidôtartam mérésére tervezett szoftver.................... 19 2. Modellalkotás a beszédfolyamat hangidôtartamainak meghatározására....... 21 2.1. Az idômodell koncepciója, szerkezeti elemei........................ 21 2.2. A specifikus idôtartam fogalma és tartalma.......................... 22 2.3. A magyar beszédhangok specifikus idôtartamainak meghatározása folyamatos beszédre............................................ 23 2.3.1. Specifikus idôtartamok a magyar beszédre..................... 29 2.3.2. Magánhangzók........................................... 31 2.3.3. Mássalhangzók........................................... 37 2.3.4. A specifikus idôtartamok és a korábbi kutatási eredmények összehasonlítása.......................................... 43 2.4. A hangidôtartamok és a szó kapcsolata............................. 48 2.4.1. A magyar szavak idôszerkezeti jellemzése hangidôtartam-térképekkel.................................. 59 2.4.2. Eredmények az interneten.................................. 64 2.5. Az idômodell szupraszegmentális szintje........................... 65 2.6. Az idômodell eredményeinek összefoglalása........................ 69 3. Idôszerkezeti mérések természetes felolvasásban......................... 72 3.1. Anyag és módszer............................................. 72 3.2. Idôtartammérések az alapkorpuszban (AK).......................... 73 3.2.1. A magánhangzók idôtartamai................................ 74 3.2.2. A mássalhangzók idôtartamai................................ 80 3
3.2.3. A hangkörnyezet és a hangidôtartamok........................ 86 3.2.4. Szóhosszúságmérések...................................... 94 3.3. Hírolvasás.................................................... 96 3.4. A reklámbeszéd............................................... 104 3.5. A narrátorbeszéd............................................... 106 3.6. Próza....................................................... 109 3.7. Mesemondás.................................................. 112 4. A spontán beszéd idôszerkezete...................................... 115 5. Összefoglalás..................................................... 122 Irodalom........................................................... 124 Köszönetnyilvánítás.................................................. 127 Függelék.......................................................... 128 1. Specifikus idôtartam-táblázatok és -eloszlási adatok...................... 128 2. Hangidôtartam-mérô program fonetikai kutatásokhoz (HIDOL)............. 183 4
ELÔSZÓ A beszéd kutatásának területe a 20. század utolsó évtizedétôl kezdôdôen jelentôsen kiszélesedett, új kutatási részterületek alakultak ki, megsokszorozódtak a témával kapcsolatos tudományos konferenciák, eszmecserék, és a szakirodalmi közlemények számában is ugrásszerû növekedés volt tapasztalható. Ez a változás fôleg annak köszönhetô, hogy a 21. század elejére olyan információs technológiai robbanás következett be, amelyben a beszédtechnológiának (fôként a beszéd gépi elôállítása és gépi megértése) egyre nagyobb szerep jut, hiszen az egyre szélesedô információs szolgáltatások szerves részévé szeretnék tenni az emberi beszéden alapuló, úgynevezett automatikusan vezérelt információcserét. Ennek az igénynek a kielégítése csak úgy lehetséges, ha interdiszciplináris megközelítésben, a nyelvtudomány és a számítástechnika, valamint a mérnöki tudományok gondolkodásmódját egymáshoz közelítve újfajta, részletezô kutatásokat végzünk és ezek eredményeibôl jól mûködô modelleket határozunk meg. Ezt a törekvést támogatja a digitális technológia nagyfokú fejlôdése is, amely lehetôvé teszi, hogy az emberi hangot számítógépen tároljuk és azon részletes vizsgálatokat végezzünk. A már eddig elvégzett inkább leíró jellegû fonetikai kutatásokon túl, azok eredményeit felhasználva, új megközelítésben lehet vizsgálni a beszéd mikro- és makroszerkezetét. Így mód nyílik arra, hogy megismerjük a beszédfolyamat legmélyebb szintjeit is, feltárhatjuk a különbözô szintek mûködése közötti összefüggéseket, és meghatározhatjuk, hogy ezekbôl a mûködési módokból, illetve szintekbôl melyek azok, amelyek társadalmilag is elsôdlegesen meghatározónak mondhatók és modellalkotásra felhasználhatók. A jelen munkában ennek a széles területnek egy résztémájával foglalkozunk, a magyar beszédet felépítô hangsorozat idôtartam-viszonyainak részletes vizsgálatával és modellezésével. 5
BEVEZETÉS A magyar beszédhangok idôtartamával kapcsolatos kutatások közel száz évre tekintenek vissza. Az elsô adatokat MEYER és GOMBOCZ (1909) közölte, majd POIROT 1916-ban adott közre mérési eredményeket a témáról (KASSAI 1979). A késôbbiekben LAZICZIUS (1963, 114) foglalta össze és értékelte az addigi kutatási eredményeket a következôképpen: A felsorolt idôtartam értékekben nem szabad mást látnunk, mint meglehetôsen durva tájékoztató adatokat. Nemcsak azok miatt a szükségszerû pontatlanságok miatt, amelyekrôl már szóltunk, hanem egyéb okok miatt is. Óvatosságra int továbbá az a tény, hogy MEYER és GOMBOCZ a magyar idôtartamoknál csak egy- és kétszótagú szavakat vizsgált. Ez az eljárás aligha alkalmas arra, hogy a beszédben uralkodó hangidôtartam viszonyokat a helyzetnek megfelelôen feltárja. MAGDICS (1965) dinamikus hangszínkép-elemzôvel (Sona-graph) tette láthatóvá a beszédjel szerkezetét, és így pontosabban követhette a beszédhangok elhelyezkedését, valamint idôtartamukat a hangsorban. Összefoglaló munkájában meghatározta a magyar magánhangzók és mássalhangzók átlagos idôtartamértékeit, valamint vizsgálta, hogy ezen értékek hogyan módosulnak bizonyos hangkörnyezet függvényében, illetôleg a hang mondatban elfoglalt helyzete szerint. A méréseket ötször 350 (azaz 1750) rövid mondaton végezte mondatkezdô CV és VC kapcsolatokban, mondat belseji CVC és VCV elemekben és mondatvégi CV és VC kapcsolatokban. A magánhangzókra vonatkozóan megállapította, hogy az átlagértékek a nyelvállás emelkedésével csökkennek. Ezek az adatok megegyeztek Meyer és Gombocz mérési eredményeivel. Magdics megadta továbbá, hogy az egyes magánhangzók milyen átlagidôtartammal rendelkeznek zárhangok, réshangok, zár-rés hangok, likvidák, továbbá nazálisok közötti helyzetben. Méréseit mind a rövid, mind a hosszú magánhangzókra elvégezte. A mássalhangzók tekintetében megállapította, hogy a legrövidebbek a likvidák, ôket követik a zöngés zárhangok, a zöngés zár-rés hangok, a nazálisok, a zöngétlen zárhangok, zöngés réshangok, a zöngétlen zár-rés hangok és végül a zöngétlen réshangok. KASSAI (1979, 1982) ugyancsak összefoglaló méréseket végzett az idôtartam és kvantitás témakörben. Részletesen számba vette és analizálta a hangidôtartamok mérésével kapcsolatos addigi szakirodalmat és nézeteket, majd ezeket összevetette saját mérési eredményeivel, amelyeket 900 mondat elemzésébôl kapott. A mérések alapján az idôtartamadatokat több szempont szerint osztályozta. A nyelvi idôtartam szempontjából a rövid-hosszú oppozícióra adott meg átlagolt adatokat. A magánhangzó fiziológiai alkata szempontjából hasonló tendenciákat kapott, mint MEYER és GOMBOCZ, valamint MAGDICS. A hangkörnyezet hatása tekintetében megállapította, hogy a magánhangzók a legrövidebbek zöngétlen zár-rés hangok elôtt, és egyre hosszabbodnak a zön- 7
gétlen zárhangok, a nazálisok, a zöngétlen réshangok, a zöngés zár-rés hangok, a zöngés zárhangok és a zöngés réshangok elôtt. A leghosszabbak a magánhangzók a likvidák elôtt. A hangsor terjedelmének figyelembevétele azt a korábbi megállapítást erôsítette meg, hogy a magánhangzók a leghosszabbak egy szótagú szavakban, és idôtartamuk fokozatosan csökken a szótagszám emelkedésével. A beszédhang hangsorbeli helye szempontjából KASSAI a következô eredményre jutott: a hangok a hangsor belsejében a legrövidebbek, hosszabbak hangsor elején és leghosszabbak a hangsor végén. A hangsúly befolyását KASSAI a következôképpen összegezte: a rövid magánhangzók megnyúlnak hangsúlyos helyzetben, a hosszúak változatlanok maradnak. A mássalhangzókra kapott idôtartamadatokat ugyanezen szempontok szerint osztályozta. A képzési mód és hely szerinti sorrend a következô: a legrövidebbek a likvidák, majd a nazálisok, a zöngés zárhangok, a zöngés réshangok, a zöngétlen zárhangok, a zöngés zár-rés hangok, a zöngétlen réshangok következnek és a leghosszabbak a zöngétlen zár-rés hangok. Ez a sorrend azonban néhány helyen nem mutat egyezést a korábbi eredményekkel. Maga KASSAI is azt írta, hogy nagyobb számú kísérletre van szükség a sorrend egyértelmûvé tételéhez. A hangkörnyezet hatását illetôen Kassai arra a megállapításra jutott, hogy a magánhangzó hatással van az ôt követô mássalhangzóra, amely állítás ellentétes MEYER és GOMBOCZ, valamint POIROT megállapításaival. Összegezve azt mondta, hogy a legrövidebbek a mássalhangzók a legalsó nyelvállású magánhangzó és leghosszabbak a legmagasabb nyelvállású környezetében. A hangsor terjedelme szempontjából a mássalhangzók idôtartamára is hasonló eredményt kapott, mint a magánhangzókra. A hangsorban elfoglalt hely szerint pedig az összegzett adatok azt mutatták, hogy a mássalhangzók a hangsor belsejében a legrövidebbek, hosszabbak a hangsor kezdetén és a leghosszabbak a hangsor végén. A hangsúly befolyását illetôen megerôsíti FÓNAGY (1958) állítását, miszerint a hangsúlyos szótag magánhangzója elôtti mássalhangzó is megnyúlhat. KASSAI továbbá elsô ízben közölt mérési eredményeket spontán beszéden végzett vizsgálatokból. A spontán beszédben való eligazodás nehézségeit fôleg abban látta, hogy a hangok idôtartama a beszédhangon túlmutató tényezôktôl is erôsen függ, amely tényezôk részesedését szinte lehetetlen megállapítani. KASSAI elôremutatóan azt írta a probléma megoldását illetôen: A beszédszintézis egyre fejlôdô technikája talán megoldást hozhat olyan kérdések eldöntésében, hogy például egy nyelvi funkció ellátásában a jelenlevô faktorok közül melyiknek van döntô szerepe, illetôleg milyen az egyéb tényezôk által kifejtett kompenzáló hatás (i. m. 58). A spontán beszédre kapott adatok azt mutatták, hogy a beszélôk szabadon alakítják ki a maguk egyéni idôtartamviszonyait bizonyos határértékeken belül. A beszédhangok belsô idôszerkezetének vizsgálatát a számítógép megjelenése és a beszédszintézis egyfajta technikájának a kialakulása segítette. Ezekkel a kutatást segítô eszközökkel pontosabban lehetett vizsgálni a beszédhangok belsô felépítését. A magyar mássalhangzók belsô idôszerkezetérôl OLASZY (1985) közölt adatokat, majd 1988-ban általánosságban összefoglalta a beszédhangok belsô idôszerkezetét. Eredményeit beszédszintézissel is igazolta. Igényként merült fel a jó minôségû mesterséges beszédelôállítás megvalósításához, hogy új szempontú megközelítéssel vizsgálják a beszédhangok idôtartamának dinamikus alakulását a hangsorokban. Ehhez olyan modelleket kellett felállítani, amelyekkel le lehetett írni a beszédfolyam idôszervezôdését. Az eredményeket már nemcsak számok és leíró formában megadott szabályok reprezentálták, 8
hanem maga a szintetizált beszédprodukció is. Itt lépett be a kutatásba a szintézis mint a legkompetensebb és legsemlegesebb ellenôrzési lehetôség. A folyamatos beszéd felépítése során az volt az alapvetô kérdés, hogy mit tekintsenek az idôtartam egységének, amit aztán szabályok segítségével nyújtva, illetve rövidítve meg lehet valósítani a természetes beszédhez közel álló idôszerkezetet. Az elsô ilyen kutatások a beszédhangot jelölték ki alapegységnek (UMEDA 1975, 1977; KLATT 1976; ALLEN et al. 1987; BARTKOVA SORIN 1987; OLASZY 1989). Minden beszédhangra megadták az arra kiszámított, úgynevezett belsô alapidôtartamot (a hang átlagos idôtartamát), mint ahogy azt a hagyományos fonetikai mérésekbôl is ismerjük, majd ezt az átlagot módosították szabályokkal. Ennek a megközelítésnek a hatásosságát az határozta meg, hogy milyen pontosan voltak képesek megfogalmazni a módosító szabályokat, azok hatókörét. A késôbbiekben a szótagot is javasolták alapegységnek (CRYSTAL HOUSE 1990; LADD CAMPBELL 1991; CAMPBELL 1992), mivel az jobban reprezentálhatja a beszéd idôszerkezeti változásait. A végleges hangidôtartamokat a szótagon belül, a szótag becsült idôtartamából vezették le. Az utóbbi évtizedben a fonetikai kutatások segítésére számos nyelvre elkészültek olyan beszédadatbázisok, amelyek könnyítik a kutatást. Ezekben az adatbázisokban sok felolvasott mondatot rögzítettek és címkéztek fel, azaz megjelölték a hanghatárokat, a szóhatárokat, a mondathatárokat. Megadták továbbá a hangokat és azok fonetikai tulajdonságait is. Így lehetôség nyílt arra, hogy statisztikai módszerekkel lehessen hangidôtartam-vizsgálatokat folytatni, és például fa struktúrájú, sok paraméterrel operáló szabályokat megalkotni (RILEY 1992; DEANS et al. 1999), vagy az artikulációnak a hangidôtartamra vonatkozó hatását vizsgálni (VAN SANTEN 1990). Jelen munkában a hangidôtartam alapú megközelítést használjuk, és erre építjük egyrészrôl azt a modellt, amelynek a segítségével az írott szöveg alapján meghatározzuk a szöveget reprezentáló hangsorozat egyes hangjainak az idôtartamát. Másrészrôl felolvasott szövegekbôl készített, felcímkézett beszédadatbázisokon végzett hangidôtartam-mérések, szünethosszak, artikulációs sebesség-változások eredményeit is megadjuk. 9