Swadesh核心詞嗓音聲學(xué)分析報(bào)告
——以跨語言/國別平行音頻為語料

○ 黃瑋 穆漢 許可 冉啟斌 梁煜珠

(南開大學(xué) 漢語言文化學(xué)院，天津 300350；南開大學(xué) 文學(xué)院，天津 300071)

一、引 言

嗓音的一項(xiàng)重要功能是傳遞說話人的信息[1]。嗓音作為語音的載體，既包含語言本身的信息，也包含性別、年齡、動機(jī)等生理、心理上的副語言信息[2-3]。對嗓音的聲學(xué)參數(shù)進(jìn)行分析有助于診斷發(fā)音人的聲帶及其附屬器官的健康狀況，對發(fā)音人的音質(zhì)進(jìn)行評估，為發(fā)聲訓(xùn)練提供參考標(biāo)準(zhǔn)等[4]。此外，嗓音參數(shù)體現(xiàn)出的嗓音控制能力在語言演化中與聲調(diào)的產(chǎn)生和聲調(diào)數(shù)量的多少有著較為密切的聯(lián)系。通常認(rèn)為嗓音控制能力越好的地區(qū)越容易產(chǎn)生聲調(diào)語言，也越容易有更多數(shù)量的聲調(diào)[5-7]。

國內(nèi)外對嗓音參數(shù)的研究較為充分，常見的嗓音參數(shù)包括基頻(F0)、基頻微擾(Jitter)、振幅微擾(Shimmer)、信噪比(Signal-to-noise ratio)、諧噪比(Harmonics-to-noise ratio)、聲門下壓(Subglottic pressure)等，總體來看，Jitter和Shimmer是較為常見的兩個嗓音參數(shù)之一，許多研究者基于Jitter和Shimmer對發(fā)音人的嗓音進(jìn)行研究。對Jitter和Shimmer進(jìn)行研究是對發(fā)音人進(jìn)行嗓音聲學(xué)分析的重要內(nèi)容[4]。

影響Jitter和Shimmer的因素有很多，包括發(fā)音人的性別、年齡、性激素水平等[9-10]，也包括發(fā)音人所發(fā)語音的元音、音高等[11]，同時Jitter和Shimmer還受到環(huán)境濕度等因素的影響[12]。其中，性別是爭議比較大的因素之一，主要爭議在于男性和女性之間誰的Jitter、Shimmer值更大，以及這種差異是否具有統(tǒng)計(jì)學(xué)上的顯著性。

有學(xué)者使用Dr.speech軟件檢測了40名嗓音正常的男性和40名嗓音正常的女性在發(fā)長元音[ɑ:]時的嗓音參數(shù)，結(jié)果顯示，Jitter和Shimmer在正常成人男女性之間無顯著差異。文章認(rèn)為沒有顯著差異的原因在于Jitter、Shimmer與聲帶振動的特性密切相關(guān)，而并非與聲帶的振動頻率相關(guān)[13]。有學(xué)者考察了20名正常女性發(fā)元音[a i u]時的嗓音參數(shù)，并將實(shí)驗(yàn)結(jié)果與前人研究中的男性數(shù)據(jù)做了差異顯著性檢驗(yàn)，指出正常男女發(fā)音人在Jitter和Shimmer上具有顯著差異，女性的Jitter比男性更大，但Shimmer比男性更小[14]。有學(xué)者對1200例正常中國人按性別、年齡分組后使用Dr.Speech軟件檢測發(fā)元音[?]時的嗓音參數(shù)，指出女性的Jitter顯著大于男性，而男女性的Shimmer不具有顯著差異。文章認(rèn)為這與女性嗓音比男性音調(diào)高而音量小有關(guān)[10]。另外還有學(xué)者考察了以普通話為母語的50名男性兒童和50名女性兒童在持續(xù)發(fā)[ɑ i u m]時的嗓音參數(shù)，指出女性的Jitter和Shimmer均要比男性大[11]。

與之不同，也有研究表明男性的Jitter和Shimmer均顯著大于女性。有學(xué)者使用Praat軟件測量了258名中國青年發(fā)音人普通話句子語料中的嗓音參數(shù)，指出男性的Jitter和Shimmer均要顯著大于女性[4](下文稱為“研究A”)。有學(xué)者考察了40個漢語方言語檔各182個詞語錄音的嗓音參數(shù)，指出性別的影響較為重要，男性的Jitter和Shimmer顯著比女性大[7](下文稱為“研究B”)。另外還有學(xué)者考察了15名男性和18名女性贛語大通片母語者在元音[ai u y]中的嗓音參數(shù)，結(jié)果也表明男性的Jitter和Shimmer要顯著大于女性[15]。

可見，性別對Jitter和Shimmer的影響還沒有定論。前人研究中截然不同的結(jié)果可能是由發(fā)音人的語言背景不同、發(fā)音內(nèi)容不同、提取參數(shù)的軟件不同等因素導(dǎo)致的，這一問題還有進(jìn)一步探究的空間。另外，上述研究中幾乎都是相同母語背景的發(fā)音人，跨母語背景的嗓音參數(shù)分析還較為少見。在語料的發(fā)音內(nèi)容上，最為常見的是以持續(xù)元音為發(fā)音內(nèi)容。研究A首次使用漢語普通話的句子作為語料進(jìn)行分析[4]，研究B嘗試使用漢語方言中的182個常用詞語進(jìn)行分析[7]。使用Swadesh核心詞作為發(fā)音內(nèi)容對Jitter和Shimmer進(jìn)行分析的還比較少。

因此，本文將使用來自69個不同國家的發(fā)音人的Swadesh207核心詞錄音為語料，通過Praat軟件采用與相關(guān)研究相同的參數(shù)提取方法對發(fā)音人的Jitter和Shimmer進(jìn)行檢測和數(shù)據(jù)分析[4、6、7]，以促進(jìn)對跨國別/語言的Swadesh207核心詞語料中發(fā)音人嗓音表現(xiàn)的認(rèn)識。

二、材料與方法

(一)語料來源

本文所用的語料來自北京語言大學(xué)語言資源高精尖創(chuàng)新中心開源公布的“全球語言文化資源采錄展示系統(tǒng)”。該資源集展示了70余個國家語言的有聲材料，每個國家包括1名發(fā)音人的Swadesh207核心詞、123個句子和若干長篇語料等。在我們下載時(2019年年底、2020年年初)該資源集包括71個國家的資源，經(jīng)過篩選實(shí)際可用的材料為69個國家。這些國家的語言涉及阿爾泰語系、高加索語系、漢藏語系、南島語系、南亞語系、閃含語系、突厥語系以及印歐語系等，其中印歐語系的語言偏多，此外還包括日語、韓語等系屬不明的語言。這69個國家中有男性29人，女性40人，國家名稱如表1所示。

表1 發(fā)音人信息表

本文進(jìn)行嗓音分析使用的語料是69名發(fā)音人的207核心詞錄音(下文簡稱“語料”)，使用這些語料主要出于三方面的原因：首先，與既有的研究相比，本文語料的發(fā)音人來自69個不同的國家，有著不同的母語背景，這使得發(fā)音人的語言背景更加多元；其次，在錄音內(nèi)容上，69名發(fā)音人的發(fā)音內(nèi)容均是Swadesh207核心詞(個別發(fā)音人存在詞語缺失的情況)，內(nèi)容統(tǒng)一，語料平行，且核心詞在各個語言中都比較基礎(chǔ)和穩(wěn)定，有助于在近似的基礎(chǔ)上進(jìn)行嗓音分析；最后，語料均是在北京語言大學(xué)錄制的，在一定程度上將環(huán)境相對濕度對嗓音的影響降到了最低，且錄音由專業(yè)人員操作，錄音音質(zhì)有所保障。

8.牛呼吸道合胞體病毒感染。剖檢可見肺出現(xiàn)彌漫性水腫或氣腫，間質(zhì)性肺炎灶，并見大小不等的肝變區(qū)；繼發(fā)細(xì)菌性支氣管肺炎時，肺前腹側(cè)區(qū)域呈現(xiàn)暗紅色、堅(jiān)實(shí)、有纖維素覆蓋和實(shí)變。

(二)參數(shù)提取

在進(jìn)行嗓音參數(shù)提取之前，我們使用Praat軟件對語料中每個詞的起點(diǎn)和終點(diǎn)進(jìn)行了人工標(biāo)注，這項(xiàng)工作由有經(jīng)驗(yàn)的標(biāo)注者完成。標(biāo)注完成以后，使用Praat腳本對基頻微擾和振幅微擾數(shù)據(jù)進(jìn)行提取。Praat中提供的基頻微擾和振幅微擾算法較多，如jitter有jitter(local)、jitter(local，absolute)、jitter(rap)、jitter(ppq5)等，shimmer有shimmer(local)、shimmer(local, dB)、shimmer(apq3)、shimmer(apq5)等。本文采用的是jitter(local)和shimmer(local)兩個參數(shù)(簡稱“Jitt”、“Shim”)。幾種算法的異同以及Jitt和Shim的計(jì)算公式已有研究做過介紹[7、16]，此處不再贅述。Jitt和Shim的提取是在Praat中使用腳本自動完成的。

(三)數(shù)據(jù)分析

Jitt和Shim提取完成后，剔除部分不可用的數(shù)據(jù)，如有的錄音文件只能提取出Jitt而提取不出Shim，則將該條錄音的數(shù)據(jù)刪除。最后將有效的數(shù)據(jù)導(dǎo)入到SPSS26.0軟件中進(jìn)行分析。需要說明的是，由于Jitt和Shim的原始數(shù)值較小，為便于觀察和報(bào)告，我們將原始數(shù)值分別放大了100倍，這對數(shù)據(jù)的分布特征并不造成實(shí)質(zhì)性的影響。在分別分析Jitt和Shim的情況之前，我們首先對Jitt和Shim做了總體的相關(guān)性分析，結(jié)果顯示Jitt與Shim呈顯著中度正相關(guān)(Spearman，r=0.58，p<0.001)。本文中Jitt和Shim的相關(guān)性略大于研究B報(bào)告的結(jié)果(r=0.503，p<0.01)[7]，但是要小于兩項(xiàng)前人研究中報(bào)告的結(jié)果(r=0.92，p<0.05；r=0.709，p<0.001)[11、15]，總的來看，本文的結(jié)果在可接受的范圍之內(nèi)。下面分別報(bào)告基頻微擾與振幅微擾的情況。

三、基頻微擾

語料中共有14 268條有效的Jitt數(shù)據(jù)，其中男性5 794條，女性8 474條。分別對男性和女性的Jitt數(shù)據(jù)進(jìn)行K-S檢驗(yàn)(Kolmogorov-Smirnova test)，結(jié)果顯示，男性、女性的Jitt均不呈正態(tài)分布(ps<0.001)?？傮w來看，Jitt均值為2.292，中位數(shù)為2.113，標(biāo)準(zhǔn)差為0.990，這三項(xiàng)數(shù)據(jù)分別比研究A報(bào)告的數(shù)據(jù)大0.124、0.012和0.396，表明本文語料中的Jitt值更大，數(shù)據(jù)分布的離散程度也更高。下面分別對男性和女性的Jitt進(jìn)行分析。

圖1所示為男性和女性Jitt分布的小提琴圖。小提琴圖的原理和箱線圖相似，但能更好地反映數(shù)據(jù)分布的情況。圖1中橫實(shí)線代表中位數(shù)，下虛線表示第一四分位數(shù)(下四分位數(shù))，上虛線表示第三四分位數(shù)(上四分位數(shù))，上須和下須頂端分別代表最大值和最小值，“琴身”的胖瘦顯示該數(shù)值出現(xiàn)的頻率，數(shù)據(jù)越集中，圖形越胖。從圖1可見，男女性Jitt的分布主體在1以上4以下，其中男性的中位數(shù)、上下四分位數(shù)均比女性大。

圖1 Jitt分布小提琴圖

從統(tǒng)計(jì)的具體數(shù)值可以看出，男性Jitt的均值為2.578，中位數(shù)為2.386，標(biāo)準(zhǔn)差為1.103，女性Jitt的均值為2.096，中位數(shù)為1.949，標(biāo)準(zhǔn)差為0.852?？梢娔行缘娜?xiàng)數(shù)據(jù)均比女性要大，男性的Jitt要大于女性，且男性Jitt的分布離散程度也要大于女性。同時，非參數(shù)檢驗(yàn)的結(jié)果也顯示，這種差異具有統(tǒng)計(jì)學(xué)上的顯著性(Mann-Whitney Test，p<0.001)，即本文中的語料支持男性的Jitt要顯著大于女性的觀點(diǎn)。此外，男性Jitt的四分位距(上下四分位數(shù)差值的二分之一)為0.664，四分位浮動范圍為1.805～3.132，女性Jitt的四分位距為0.531，四分位浮動范圍為1.482～2.544，再一次表明男性Jitt的分布分散程度更高，即男性聲帶振動在頻率上的不穩(wěn)定性與不規(guī)律性比女性更大。為便于與前人的相關(guān)研究(研究A和研究B)報(bào)告的數(shù)據(jù)對照比較，我們將Jitt的相關(guān)數(shù)據(jù)整理如表2所示。

表2 Jitt數(shù)據(jù)對照表

從表2可見本文語料中男、女Jitt的均值、中位數(shù)和標(biāo)準(zhǔn)差均要大于研究A和研究B報(bào)告的結(jié)果，即本文的Jitt值更大，同時在數(shù)據(jù)的總體分布上也更為分散。但需要注意的是，從四分位距來看，本文的數(shù)值要小于研究A的結(jié)果。四分位距雖然也能在一定程度上反映數(shù)據(jù)的分散程度，但其反映的只是數(shù)據(jù)從小到大排列后中間50%范圍內(nèi)(即圖1中兩條虛線之間)數(shù)據(jù)的分布寬度，不考慮前25%和最后25%的數(shù)據(jù)，因而能夠較好削弱離群值的影響。從表2來看，三項(xiàng)研究中女性Jitt的四分位距和標(biāo)準(zhǔn)差均小于男性，即總體上女性Jitt的分布會比男性更集中，這既可能表明女性群體內(nèi)部之間嗓音表現(xiàn)的個體差異比男性群體內(nèi)部之間的個體差異要小，也可能表明女性在嗓音的控制能力上比男性更好。因?yàn)楸疚闹械恼Z料為207核心詞，而非某個具體的元音，所以在某些詞上可能存在女性的Jitt總比男性小的情況，這就表明女性的嗓音控制能力更好。在29名男性發(fā)音人中，可能存在某些發(fā)音人的Jitt總是會比其他男性發(fā)音人大，這就是男性群體內(nèi)部之間個體差異更大的表現(xiàn)。不過，想要得到具體原因，仍有待進(jìn)一步研究。由于研究A的發(fā)音人數(shù)量遠(yuǎn)多于本文，收集到的數(shù)據(jù)量也更大(234 617個Jitt數(shù)據(jù))，而研究B的發(fā)音人數(shù)量和數(shù)據(jù)量(10 443個Jitt數(shù)據(jù))稍少于本文，數(shù)據(jù)量越多則能代表中間50%數(shù)據(jù)寬度的數(shù)值可能越分散，這或許是本文的四分位距大于研究B但小于研究A的原因。

根據(jù)中心極限定理(Central limit theorem)和統(tǒng)計(jì)學(xué)的一般經(jīng)驗(yàn)，當(dāng)n≥30時，樣本分布近似服從正態(tài)分布[17]，因而本文中Jitt數(shù)值的分布基本滿足單樣本T檢驗(yàn)(Single sample t test)的適用條件。我們將本文男性、女性的Jitt數(shù)據(jù)分別與研究A和研究B的數(shù)據(jù)進(jìn)行了比較，檢驗(yàn)結(jié)果顯示，本文男性、女性的Jitt顯著大于研究A的Jitt(t=14.543，t=13.824，ps<0.001)，同時也顯著大于研究B的Jitt(t=35.598，t=30.672，ps<0.001)?？傊?，跨國別、跨語言發(fā)音人的基頻微擾總體上要顯著大于漢語母語者。下面分析振幅微擾的情況。

四、振幅微擾

與Jitt一樣，語料中共有14268條有效的Shim數(shù)據(jù)，其中男性5794條，女性8474條。分別對男性、女性的Shim數(shù)據(jù)進(jìn)行K-S檢驗(yàn)(Kolmogorov-Smirnova test)，結(jié)果顯示，男性、女性的Shim均不呈正態(tài)分布(ps<0.001)。總體來看，Shim的均值為9.239，中位數(shù)為8.787，標(biāo)準(zhǔn)差為2.999，這三項(xiàng)數(shù)據(jù)中，均值和中位數(shù)分別比研究A小1.412和1.690，但是標(biāo)準(zhǔn)差要大0.440，即本文語料的Shim總體上不及研究A的大，但是標(biāo)準(zhǔn)差更大，數(shù)據(jù)的分布上更為分散。下面分別對男性、女性的Shim數(shù)據(jù)進(jìn)行分析。

圖2所示為男性、女性的Shim分布小提琴圖。從圖中可見，男性Shim的中位數(shù)、上下四分位數(shù)均要稍大于女性，男性Shim的極值比女性更大，數(shù)據(jù)分布范圍也更廣。從統(tǒng)計(jì)的具體數(shù)值來看，男性Shim的均值為10.185，中位數(shù)為9.716，標(biāo)準(zhǔn)差為3.214，女性Shim的均值為8.592，中位數(shù)為8.230，標(biāo)準(zhǔn)差為2.655。可見男性的三項(xiàng)數(shù)據(jù)均比女性要大，男性的Shim大于女性，且男性Shim的分布離散程度也要大于女性。同時，非參數(shù)檢驗(yàn)的結(jié)果也顯示，這種差異具有統(tǒng)計(jì)學(xué)上的顯著性(Mann-Whitney Test，p<0.001)，即本文中的語料支持男性的Shim要顯著大于女性的觀點(diǎn)。此外，男性Shim的四分位距為1.905，四分位浮動范圍為8.002～11.811，女性Shim的四分位距為1.631，四分位浮動范圍為6.787～10.049，再一次表明男性Shim的分布分散程度更高，即男性聲帶振動在振幅上的不穩(wěn)定性與不規(guī)律性比女性更大。為便于與相關(guān)研究結(jié)果對照比較，同樣將Shim的數(shù)據(jù)整理如表3所示。

圖2 Shim分布小提琴圖

表3 Shim數(shù)據(jù)對照表

從表3可見，本文語料中男性、女性Shim的均值和中位數(shù)均比研究B的結(jié)果要大，但比研究A的要小，這與Jitt的情況有所不同。從標(biāo)準(zhǔn)差來看也與Jitt不同，本文語料男性Shim的標(biāo)準(zhǔn)差是最大的，但女性Shim的標(biāo)準(zhǔn)差比研究A的要小。四分位距的情況與Jitt相同，本文的數(shù)值要小于研究A的結(jié)果，原因可能在于其發(fā)音人比本文更多，樣本容量更大，Shim數(shù)據(jù)的中間50%跨度更大。結(jié)合Jitt來看，在這三項(xiàng)研究中，四分位距數(shù)值主要受到發(fā)音人數(shù)量以及嗓音參數(shù)數(shù)據(jù)量的影響，發(fā)音人越多、數(shù)據(jù)量越大則四分位距會越大。

我們同樣使用單樣本T檢驗(yàn)(single sample t test)將本文男性、女性的Shim數(shù)據(jù)分別與研究A和研究B的數(shù)據(jù)進(jìn)行了比較，結(jié)果顯示，本文男性、女性的Shim顯著小于研究A的結(jié)果(t=-40.744，t=-27.782，ps<0.001)，同時，男性、女性的Shim顯著大于研究B的結(jié)果(t=47.912，t=43.908，ps<0.001)。總之，跨國別、跨語言發(fā)音人的振幅微擾顯著小于大樣本普通話發(fā)音人的數(shù)據(jù)，但顯著大于漢語方言發(fā)音人的數(shù)據(jù)。

五、結(jié) 語

本文使用Praat軟件對來自69個不同國家的29名男性和40名女性發(fā)音人的Swadesh207核心詞錄音樣本進(jìn)行了嗓音參數(shù)檢測，使用統(tǒng)計(jì)學(xué)方法進(jìn)行了分析，并將結(jié)果與研究A和研究B報(bào)告的結(jié)果進(jìn)行了對比。分析結(jié)果顯示，基頻微擾和振幅微擾在男性和女性之間存在顯著的差異，并且是男性的基頻微擾和振幅微擾大于女性，這與上文提及的認(rèn)為二者在性別之間沒有顯著差異或女性比男性大的研究觀點(diǎn)有所不同，但與研究A和研究B等認(rèn)為男性顯著大于女性的研究結(jié)論一致。本文語料的發(fā)音人母語背景較以往研究更為多元，實(shí)驗(yàn)結(jié)果應(yīng)該更為可靠。男性的基頻微擾與振幅微擾大于女性，這一結(jié)果應(yīng)該是由于男、女生理差異造成的。成年男性的聲帶往往比女性的聲帶長，女性比男性的聲帶約短三分之一[18]，因而女性對聲帶的控制能力應(yīng)該會強(qiáng)于男性，基頻微擾和振幅微擾比男性更小。

本文男性、女性的基頻微擾均要顯著大于研究A和研究B報(bào)告的結(jié)果，但是振幅微擾卻顯著小于研究A的結(jié)果，可見基頻微擾與振幅微擾的表現(xiàn)并不完全一致，其中原因有待進(jìn)一步研究。應(yīng)該看到，這三項(xiàng)研究中的發(fā)音人和語料都是不同的。研究A的發(fā)音人達(dá)到258名，并且發(fā)音內(nèi)容是普通話語句；研究B的發(fā)音人是40名，發(fā)音內(nèi)容是漢語方言中的182個詞語；而本文中的發(fā)言人是69名，發(fā)音內(nèi)容是Swadesh207核心詞在不同國家的語言中的發(fā)音。所以，影響對比結(jié)果的因素應(yīng)該既包括發(fā)音人的母語背景、發(fā)音人的數(shù)量，也包括發(fā)音的內(nèi)容等。本文出于從多元母語背景的語料來綜合考察不同性別嗓音表現(xiàn)的目的，而未將69名發(fā)音人單獨(dú)分析，在以后的研究中可以更加細(xì)化。另外，由于嘎裂聲、鼻音等發(fā)聲習(xí)慣的差異，說不同語言或方言的人可能會有不同的嗓音表現(xiàn)[19]，并且發(fā)不同的元音可能也會有不同的嗓音表現(xiàn)[20]，所以在跨語言詞語語料的嗓音分析中，應(yīng)當(dāng)充分考慮不同語言的語音結(jié)構(gòu)、元輔音比例等因素的影響。但本文的目的在于考察多母語背景發(fā)音人嗓音在性別上的表現(xiàn)，為嗓音參數(shù)的性別差異提供跨語言Swadesh207核心詞語料的數(shù)據(jù)，為嗓音病理、語言研究等提供跨語言語料的參考，因而未對上述因素做細(xì)致考察。