[논문]정상 음성의 목소리 특성의 정성적 분류와 음성 특징과의 상관관계 도출

김정민; 권철홍

doi:10.13064/ksss.2014.6.1.071

정상 음성의 목소리 특성의 정성적 분류와 음성 특징과의 상관관계 도출
Qualitative Classification of Voice Quality of Normal Speech and Derivation of its Correlation with Speech Features 원문보기

말소리와 음성과학 = Phonetics and speech sciences, v.6 no.1, 2014년, pp.71 - 76

Abstract ▼ AI-Helper

In this paper voice quality of normal speech is qualitatively classified by five components of breathy, creaky, rough, nasal, and thin/thick voice. To determine whether a correlation exists between a subjective measure of voice and an objective measure of voice, each voice is perceptually evaluated using the 1/2/3 scale by speech processing specialists and acoustically analyzed using speech analysis tools such as the Praat, MDVP, and VoiceSauce. The speech parameters include features related to speech source and vocal tract filter. Statistical analysis uses a two-independent-samples non-parametric test. Experimental results show that statistical analysis identified a significant correlation between the speech feature parameters and the components of voice quality.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

앞에서 살펴보았듯이 빠르기, 높낮이, 세기와 관련된 음성 특징 파라미터는 쉽게 찾을 수 있으나, 본 논문에서 분석할 목소리 특성과 관련된 음성 특징 파라미터가 무엇인지에 대해서는 연구할 필요성이 있다. 따라서 음성공학 분야뿐만 아니라 인문음성학 분야, 음성의학 분야 등의 논문을 조사하여 이러한 목소리 특성과 관련이 깊은 음성 특징 파라미터를 찾아 보고자 한다.
그런데 1과 2, 2와 3은 적다와 보통, 보통과 많다이므로, 집단 사이에 특성의 차이가 크지 않아 세 집단 사이에 유의미한 파라미터를 찾는데 어려움이 있다. 따라서 특성의 차이가 비교적 크다고 할 수 있는 1과 3두 집단 사이에 대하여 통계 처리를 수행하여, 목소리 특성 각 항목에 대하여 그 성분이 적고 많을 때 상관관계가 있는 음성 특징 파라미터를 도출하고자 한다.
본 논문에서는 먼저 정상인의 목소리 특성을 몇 가지 항목으로 분류하고, 이 특성과 상관관계가 높은 음성 특징 파라미터를 도출해 보고자 하였다.
본 논문에서는 음성신호의 음원과 관련된 파라미터와 성도 필터와 관계된 파라미터들을 이용하여, 목소리 특성과 관련 있는 음성 특징 파라미터를 도출하고자 한다. <표 1>에 보이는 음성신호의 음원과 관련된 파라미터에는 기본주파수에 관한 파라미터(F0_mean, F0_std), 에너지 크기(Intensity), 기본주파수 변화율(Jitter), 진폭 변화율(Shimmer), 잡음과 하모닉의 에너지 비율(NHR, VTI), 숨소리(breathiness)의 정도(SPI), 주기성의 강도(CPP), 하모닉에 관한 파라미터(H1-H2) 등이 있다.
본 논문에서는 정상인의 목소리 특성을 여러 가지로 분류하고, 이 특성과 관계 깊은 음성 특징 파라미터를 도출해 보고자 한다. 즉, 목소리 특성과 음성 특징 파라미터 간의 상관관계를 규명하고자 한다.
음성을 청취 평가할 때 분류하기가 용이하고 청취 평가자 사이에서 의견 일치율이 높은 목소리 특성을 선정한다. 본 연구의 목적에 맞게, 객관적으로 음성 특징 파라미터와 관련지을 수 있는 목소리 특성을 선정한다. 본 논문에서 이러한 기준으로 선정한 목소리 특성은 숨소리, 짜내는 소리, 거친 소리, 콧소리, 굵기(가늘다/굵다) 등이다.
본 논문에서는 정상인의 목소리 특성을 여러 가지로 분류하고, 이 특성과 관계 깊은 음성 특징 파라미터를 도출해 보고자 한다. 즉, 목소리 특성과 음성 특징 파라미터 간의 상관관계를 규명하고자 한다.

제안 방법

녹음 대상자의 수가 50명이고 이를 세 집단으로 분류하므로 각 집단에 속하는 데이터의 수가 적게 되어(< 30), 모집단의 분포를 정규분포로 가정할 수 없어 비모수적 검정 방법을 사용한다.
피험자는 후두질환을 앓은 적이 없는 건강한 20대 남학생 50명을 대상으로 하였다. 모든 음성 데이터는 조용한 연구실에서 수집하였으며 마이크(AKG D880s)를 마이크 스탠드에 고정하여 입과 마이크 거리가 5cm 정도가 되도록 특별한 주의를 기울였다. 피험자는 편안히 앉은 상태에서 ‘아’ 모음을 평상시와 같은 크기와 톤으로 3초 이상 발성하고, 단문과 장문 하나를 연속해서 발성하였다.
모음은 개인의 목소리 특성을 파악하기에는 한계가 있으므로 문장을 이용하여 목소리 특성을 청취 평가한다.
사람의 목소리 특성을 다양하게 분류할 수 있지만, 본 논문에서는 몇 가지 기준을 정하여 이 기준에 부합하는 목소리 특성을 선정하였다. 이러한 기준으로 선정한 목소리 특성은 숨소리, 짜내는 소리, 거친 소리, 콧소리, 굵기(가늘다/굵다) 등이다.
이러한 기준으로 선정한 목소리 특성은 숨소리, 짜내는 소리, 거친 소리, 콧소리, 굵기(가늘다/굵다) 등이다. 수집한 문장을 이용하여 목소리 특성 각 항목에 대하여 적다, 보통, 많다 등 세 단계로 청취 평가하였다.
음성 분석을 통하여 음성 특징 파라미터를 추출하는 데 ‘아’ 모음과 단문을 사용한다. 수집한 음성 데이터를 끝점 검출을 통해 묵음구간을 제거하고 음성 구간을 검출하여 3절에서 기술한 음성 특징 파라미터를 추출한다.
음성 분야 전문가가 목소리 특성을 5가지로 분류하고 각 항목의 특성에 대해 정의를 내리고, 청취 평가 전에 목소리 특성 각 항목의 대표 음성을 이용하여 충분히 청취 평가 훈련을 하였다. 수집한 문장에 대하여 음성공학 전공자 5인이 청취 평가를 수행하는데, 청취 후 목소리 특성 각 항목에 대하여 분류할 때 각자 판단을 하고 의견이 일치하지 않는 경우에는 수차례 반복하여 청취하면서 최종 판정을 합의하는 절차를 거친다[4].
이렇게 선정한 목소리 특성과 음성 특징 파라미터간의 상관관계를 규명하기 위하여, ‘아’ 모음과 단문에서 추출한 음원 정보와 관련된 파라미터와 성도필터와 관련된 파라미터를 이용하였다.
이러한 목소리 특성의 분류와 GRBAS 분류를 비교해 보면, 숨소리는 Breathiness, 짜내는 소리는 Strain, 거친 소리는 Roughness와 유사하다고 볼 수 있으나, GRBAS에서 Asthenia가 제외되고 콧소리와 굵기는 GRBAS에서는 분류하지 않는 목소리 특성이다. 정상인의 목소리 중에서 평균에 가까운 음색을 중간으로 분류하고 그보다 많은지 적은지 세 단계로 판정한다. 여기에서 많다로 판정한 것이 장애인의 목소리 수준을 의미하는 것은 아니고 정상인의 평균 보다 많음을 의미한다.
추출 대상 음성 특징 파라미터 중에서, F0_mean, F0_std, Intensity, Jitter, Shimmer, LTAS_slope, F1∼F4, BW1∼BW4는 Praat[9]를 이용하여, NHR, VTI, SPI는 MDVP(Multi Dimensional Voice Program)[10]를 이용하여, CPP, H1-H2는 VoiceSauce[11] 툴을 이용하여 추출하였다.
피험자는 편안히 앉은 상태에서 ‘아’ 모음을 평상시와 같은 크기와 톤으로 3초 이상 발성하고, 단문과 장문 하나를 연속해서 발성하였다.

대상 데이터

본 연구의 목적에 맞게, 객관적으로 음성 특징 파라미터와 관련지을 수 있는 목소리 특성을 선정한다. 본 논문에서 이러한 기준으로 선정한 목소리 특성은 숨소리, 짜내는 소리, 거친 소리, 콧소리, 굵기(가늘다/굵다) 등이다. 이러한 목소리 특성의 분류와 GRBAS 분류를 비교해 보면, 숨소리는 Breathiness, 짜내는 소리는 Strain, 거친 소리는 Roughness와 유사하다고 볼 수 있으나, GRBAS에서 Asthenia가 제외되고 콧소리와 굵기는 GRBAS에서는 분류하지 않는 목소리 특성이다.
피험자는 편안히 앉은 상태에서 ‘아’ 모음을 평상시와 같은 크기와 톤으로 3초 이상 발성하고, 단문과 장문 하나를 연속해서 발성하였다. 음성 데이터는 모노 형식, PCM signed 16 bits, 샘플링 주파수 16 kHz로 수집하였다.
피험자는 후두질환을 앓은 적이 없는 건강한 20대 남학생 50명을 대상으로 하였다. 모든 음성 데이터는 조용한 연구실에서 수집하였으며 마이크(AKG D880s)를 마이크 스탠드에 고정하여 입과 마이크 거리가 5cm 정도가 되도록 특별한 주의를 기울였다.

데이터처리

목소리 특성 각 항목에 대하여 1, 2, 3 등 세 단계로 청취 평가 판정을 내리므로 분산분석(ANOVA)을 수행할 수 있다. 분산분석 방법은 세 개 이상의 모집단 평균 간의 차이를 검증 하는 데 이용하는 분석방법이다.
목소리 특성 각 항목에 대하여 그 성분이 적고 많을 때 상관관계가 높은 음성 특징 파라미터를 도출하기 위하여, 특성의 차이가 비교적 크다고 할 수 있는 적다와 많다 두 집단 사이에 대하여 통계 처리하였는데, 독립 2-표본 비모수적 검정 방법인 Mann-Whitney U test를 시행하였다.

이론/모형

녹음 대상자의 수가 50명이고 이를 세 집단으로 분류하므로 각 집단에 속하는 데이터의 수가 적게 되어(< 30), 모집단의 분포를 정규분포로 가정할 수 없어 비모수적 검정 방법을 사용한다. 본 논문에서는 독립 2-표본 비모수적 검정 방법(Two-independent-samples non-parametric test)인 Mann-Whitney U test를 시행하는데, 이 방법은 Wilcoxon rank sum test 라고도 한다[12]. 이와 같은 통계 처리를 위하여 SPSS v.

성능/효과

실험 결과 통계적으로 유의미한 음성 특징 파라미터는, 숨소리 항목에서 SPI, H1-H2, CPP, LTAS_slope, 짜내는 소리 항목에서 BW1, Jitter, SPI, LTAS_slope, 거친 소리 항목에서 BW1, Jitter, Shimmer, NHR, VTI, F0_std, 콧소리 항목에서 BW3, BW4, H1-H2, 가늘다/굵다 항목에서 F0_mean, H1-H2, F0_std 등이다.

후속연구

앞에서 살펴보았듯이 빠르기, 높낮이, 세기와 관련된 음성 특징 파라미터는 쉽게 찾을 수 있으나, 본 논문에서 분석할 목소리 특성과 관련된 음성 특징 파라미터가 무엇인지에 대해서는 연구할 필요성이 있다. 따라서 음성공학 분야뿐만 아니라 인문음성학 분야, 음성의학 분야 등의 논문을 조사하여 이러한 목소리 특성과 관련이 깊은 음성 특징 파라미터를 찾아 보고자 한다.
앞으로, 본 연구에서 구한 음성 특징 파라미터를 이용하여 사람의 목소리를 자동으로 분류하여 제시해 주는 알고리즘을 연구할 계획이다. 적용 알고리즘으로는 음성인식 분야에서 사용하거나 기계학습 방법인 HMM(Hidden Markov Model), 신경망(Neural Net), CART(Classification and Regression Trees), SVM(Support Vector Machine) 등을 고려하고 있다.
각 항목에 대하여 0, 1, 2, 3 등 네 단계로 음성을 평가하는데, 0은 정상 음성이고 3은 가장 좋지 않은 상태를 말한다. 이 방법은 음성장애 환자를 대상으로 평가하는 방법이고, 본 논문에서는 정상인의 목소리 특성에 초점을 맞추므로 목소리 특성을 다르게 분류하는 방법에 대한 연구가 필요하다.

질의응답

핵심어	질문	논문에서 추출한 답변
	음성장애 환자들을 위한 음성 검사에는 어떤 종류가 있는가?	음성장애 환자들을 대상으로 진단과 치료를 위하여, 음의 높낮이(pitch), 음의 세기(intensity), 음성 품질(voice quality)과 유동성(flexibility) 등을 음성 검사를 통하여 측정하고 분석하는 연구들이 진행되어 왔다. 그런데 음성장애 환자가 아닌 정상적인 목소리를 갖고 있는 사람들을 대상으로 목소리 특성을 연구하는 시도는 많지 않다.
	GRBAS 음성평가는 어떤 목소리 특성으로 구성되는가?	주관적 청취 평가 방법으로 GRBAS scale, CAPE-V (Consensus Auditory Perceptual Evaluation of Voice), VPA(Vocal Profile Analysis) 등이 있는데, 이 중에서 일본음성 언어의학회에서 제안한 음성 검사법인 GRBAS 음성평가가 가장 널리 사용되고 있다[1][2][3]. 이 방법은 목소리 특성을 다섯 개의 항목으로 나누어 평가하는데 Grade(전반적인 애성의 정도), Roughness(거친 소리, 성대의 불규칙한 진동), Breathiness(기식성, 바람 새는 소리), Asthenia(무력성, 연약한 가냘픈 소리), Strain(긴장성, 힘을 들여서 내는 소리) 등으로 구성되어 있다. 각 항목에 대하여 0, 1, 2, 3 등 네 단계로 음성을 평가하는데, 0은 정상 음성이고 3은 가장 좋지 않은 상태를 말한다.
	사람의 음성을 평가하는 방법에는 무엇이 있는가?	사람의 음성을 평가할 때 청취 평가를 통한 주관적 평가방법과 음성 분석을 활용한 객관적 평가방법을 사용할 수 있다. 청취 평가 방법은 사람의 목소리 특성을 몇 가지 항목으로 나누고 청취 평가자가 각 항목에 점수를 할당하는 방식으로 이루어진다.

참고문헌 (19)

Fex, S. (1992). Perceptual evaluation. Journal of Voice, 6(2), 155-158.

상세보기
Sohn, J. H. (2008). GRBAS and voice handicap index. Journal of the Korean Society of Logopedics and Phoniatrics, 19(2), 89-95. (손진호 (2008). GRBAS 음성평가와 음성장애지수, 대한음성 언어의학회지, 19(2), 89-95.)
Pyo, H. Y., Choi, S. H., Lim, S. E., Sim, H. S., Choi, H. S., Kim, K. M. (1999). The correlation between GRBAS scales and MDVP parameters on the pathologic voices of the patients with vocal polyps. Journal of the Korean Society of Logopedics and Phoniatrics, 10(2), 154-163. (표화영, 최성희, 임성은, 심현섭, 최홍식, 김광문 (1999). 성대 폴립 환자를 대상으로 한 GRBAS 척도와 MDVP 측정치 간 의 상관관계 연구. 대한음성언어의학회지, 10(2), 154-163.)
Han, S. M., Kim, S. B., Kim, J. Y., Kwon, C. H. (2011). A preliminary study on correlation between voice characteristics and speech features. Phonetics and Speech Sciences, 3(4), 85-91. (한성만, 김상범, 김종열, 권철홍 (2011). 목소리 특성의 주관 적 평가와 음성 특징과의 상관관계 기초연구. 한국음성학회, 말소리와 음성과학, 3(4), 85-91.)
Kwon, C. H., Song, S. K., Kim, J. Y., Kim, K. H., Jang, J. S. (2012). Extraction of speech features for emotion recognition. Phonetics and Speech Sciences, 4(2), 73-78. (권철홍, 송승규, 김종열, 김근호, 장준수 (2012). 감정 인식을 위한 음성 특징 도출. 한국음성학회, 말소리와 음성과학, 4(2), 73-78.)

원문보기 상세보기
Hwang, Y. S., Seong, C. J. (2008). A comparative study on the acoustic characteristics of the Korean vowel /a/ before and after LMS. Malsori, 67, 33-60. (황연신, 성철재 (2008). 후두미세수술 전후 /아/의 음향적 특성 비교. 대한음성학회, 말소리, 67, 33-60.)
Hillenbrand, J. & Houde, R. A. (1996). Acoustic correlates of breathy vocal quality: dysphonic voices and continuous speech. Journal of Speech and Hearing Research, 39, 311-321.

상세보기
Park, H. S. (2007). An acoustic study of phonation types in vowels following consonant clusters in Korean. Malsori, 64, 53-76. (박한상 (2007). 한국어 자음군의 후행모음에 나타난 발성유 형의 음향음성학적 연구. 대한음성학회, 말소, 64, 53-76.)
Praat. (2014). Phonetic Sciences, Univ. of Amsterdam, http://www.fon.hum.uva.nl/praat/.
MDVP. (2014). KayPentax, http://www.kayelemetrics.com.
VoiceSauce. (2014). A program for voice analysis, UCLA, http://www.seas.ucla.edu/spapl/voicesauce/.
Seo, E. H. (2010). Statistical analysis using SPSS 18.0. Free Academy, 403-415. (서의훈 (2010). SPSS 18.0을 이용한 통계분석, 자유아카데미, 403-415.)
IBM SPSS Statistics. (2014). SPSS Korea, http://www.spss.co.kr.
Bickley, C. (1982). Acoustic analysis and perception of breathy vowels. Speech Communication Group Working Papers I, 73-83.
Klatt, D. H. & Klatt, L. C. (1990). Analysis, synthesis, and perception of voice quality variations among female and male speakers. Journal of the Acoustical Society of America, 87(2), 820-857.

상세보기
Mathew, M. M. & Bhat, J. S. (2009). Soft phonation index - a sensitive parameter?. Indian Journal of Otolaryngology Head Neck Surg., 61, 127-130.

상세보기
Hillenbrand, J., Cleveland, R. A., Erickson, R. L. (1994). Acoustic correlates of breathy vocal quality. Journal of Speech and Hearing Research, 37, 769-778.

상세보기
Kerstens, J., Ruys, E., Zwarts, J. (1996-2001). Lexicon of Linguistics. Utrecht Institute of Linguistics, Utrecht Univ.
Dekrom, G. (1995). Some spectral correlates of pathological breathy and rough voice quality for different types of vowel fragments. Journal of Speech Hearing Res., 38, 794-811.

상세보기

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증